Analisis Metode Optimasi Estimasi Biaya Pengembangan Perangkat Lunak Menggunakan COCOMO II: Studi Kasus PT. XYZ

PT XYZ harus menanggung kerugian karena kesalahan estimasi waktu pengembangan proyek. Salah satu cara untuk mengurangi risiko tersebut adalah dengan menggunakan COCOMO II. Untuk meningkatkan akurasi estimasi COCOMO II maka dapat dioptimasi dengan Bat Algorithm, Cuckoo Optimization Algorithm, dan Particle Swarm Optimization. Penelitian ini bertujuan untuk memahami perilaku masing-masing metode optimasi tersebut. Setiap metode diimplementasikan dan diuji dengan menggunakan dataset NASA93, dataset Turkish Project, dan dataset Proyek PT XYZ. Hasil implementasi yang berbeda dibandingkan dengan mengevaluasi Magnitude Relative Error (MRE) untuk setiap data proyek dan Mean Magnitude Relative Error (MMRE) untuk setiap dataset. Hasil penelitian menunjukkan bahwa semua metode dapat memberikan hasil yang lebih baik daripada COCOMO II dalam estimasi upaya pengembangan perangkat lunak dengan mengoptimalkan konstanta A dan B COCOMO II, tetapi masing-masing algoritma memiliki perilaku yang berbeda. Berdasarkan hasil pengujian, ditemukan bahwa Bat Algorithm adalah metode optimasi untuk studi kasus PT XYZ karena menghasilkan estimasi dengan stabil dan cepat. ====================================================================================================== PT XYZ has to bear the loss due to an error in the estimation of the project development time. One way to reduce this risk is to use COCOMO II. To improve the estimation accuracy of COCOMO II, it can be optimized using Bat Algorithm, Cuckoo Optimization Algorithm, and Particle Swarm Optimization.. This research aims to understand the behavior of each optimization method. Each method is implemented and tested by using the NASA93 dataset, the Turkish Project dataset, and the PT XYZ Project dataset. The different results of the implementation are compared by evaluating their Magnitude Relative Error (MRE) for each project data and their Mean Magnitude Relative Error (MMRE) for each dataset. The results show that all algorithms can give better results than the original COCOMO II in software development effort estimation by optimizing the constant A and B of COCOMO II, but each algorithm has different behavior. Based on the test results, it was found that the Bat Algorithm is an optimization method for the case study of PT XYZ because it produces stable and fast estimates