ABSTRAK
Kebutuhan akan pembuatan atau pengembangan aplikasi semakin meningkat pada jaman digital ini. Namun muncul kebingungan dalam tolak ukur pengukuran perangkat lunak. Size, cost, time, dan resource menjadi aspek penting untuk diketahui sebelum pengerjaan proyek dilakukan. Salah satu metode pengukuran perangkat lunak adalah Function Point Analysis (FPA). Dalam penelitian ini, fuzzy logic digunakan untuk memodifikasi nilai weight pada Function Point Complexity Table. Pengambilan data dilakukan pada 13 aplikasi sebagai data simulasi penghitugan LOC. Hasil estimasi LOC dicari selisih dengan LOC real dari aplikasi yang dihitung. Mean Relative Error (MRE) digunakan sebagai metode penghitungan error. Hasilnya MRE untuk metode FPA sebesar 0.163, MRE untuk FPA dengan fuzzy logic model pertama sebesar 0.123 dan MRE untuk FPA dengan fuzzy logic model kedua sebesar 0.197. Hasil ini membuktikan fuzzy logic model pertama dapat membuat penghitungan LOC dengan FPA menghasilkan error yang lebih sedikit dibandingkan dengan penghitungan LOC menggunakan FPA saja. Analisis dari ANOVA Double Factor Without Replication terhadap nilai Relative Error menghasilkan tingkat kepercayaan penggunaan fuzzy logic metode Mamdani pada FPA sebesar 90%.
Kata Kunci: Lines of Code, Function Point Analisys, Fuzzy Logic.
ABSTRACT
The need of application building and developing is increasing in this digital era. But there is no exact rule on software counting. Size, cost, time, and resource are important part to know before doing the project. One of the software size estimation method is Function Point Analysis (FPA). In this paper, fuzzy logic used to modify weight from Function Point Complexity Table. Data acquisition is done to 13 applications as the simulation data in LOC counting. From estimation LOC can get the deficit from LOC real application. Mean Relative Error (MRE) is used as the error counting method. The result are MRE for FPA is 0.163, MRE for first model fuzzy logic is 0.123, MRE for second model fuzzy logic is 0.197. This prove first model fuzzy logic can make LOC counting give less error compare with FPA method. Relative error analysis from ANOVA Double Factor Without Replication give 90% as degree of using fuzzy logic Mamdani method.
Key Words: Lines of Code, Function Point Analysis, Fuzzy Logic.
