Library Automation and Digital Archive
LONTAR
Fakultas Ilmu Komputer
Universitas Indonesia

Pencarian Sederhana

Find Similar Add to Favorite

Call Number T-0987 (Softcopy T-0696) Source code T-0138
Collection Type Tesis
Title Pengembangan model pengukuran kualitas internal untuk mendeteksi kecenderungan kesalahan pada design unified modeling language
Author Arwin Halim;
Publisher Depok: Pascasajana Ilmu Komputer UI, 2012
Subject
Location FASILKOM-UI;
Lokasi : Perpustakaan Fakultas Ilmu Komputer
Nomor Panggil ID Koleksi Status
T-0987 (Softcopy T-0696) Source code T-0138 TERSEDIA
Tidak ada review pada koleksi ini: 37730
ABSTRAK

ABSTRAK Nama : Arwin Halim Program Studi : Magister Ilmu Komputer Judul : Pengembangan Model Pengukuran Kualitas Internal untuk Mendeteksi Kecenderungan Kesalahan pada Desain Unified Modeling Language Perangkat lunak yang berkualitas dapat diperoleh dengan mendeteksi kesalahan yang muncul secara dini. Pendeteksian dini digunakan oleh pengembang sistem untuk memperbaiki kesalahan yang terjadi saat proses pengembangan. Permasalahannya adalah bagaimana merancang model pengukuran yang mampu mendeteksi kecenderungan kesalahan pada tahap awal pengembangan. Oleh karena itu, Penulis mengusulkan model pengukuran kualitas internal yang mendeteksi kecenderungan kesalahan berdasarkan informasi desain Unified Modeling Language (UML). Data penelitian ini terdiri dari kode sumber proyek opensource dan dataset kesalahannya. Desain UML proyek diperoleh dari proses reverse engineering pada kode sumber. Model data yang terbentuk antara lain: Moda-UML, Moda-Code, dan Moda-Hybrid. Selanjutnya, model pendeteksian dibentuk untuk setiap model data menggunakan regresi logistik, pohon keputusan dan Naive Bayesian, serta dievaluasi dengan analisis Receiver Operating Characteristics (ROC). Berdasarkan hasil penelitian, model pendeteksian yang mengukur faktor kualitas cohesion, coupling, dan complexity berdasarkan informasi class diagram dan sequence diagram, mampu mendeteksi kecenderungan kesalahan pada tahap analisis dan desain dengan tingkat akurasi 68.65%. Selain itu, MoDa-UML mampu mendeteksi kecenderungan kesalahan yang tidak ditemukan oleh MoDa-Code. Hal ini ditunjukkan oleh adanya peningkatan nilai keakuratan model dengan MoDa-Hybrid, yang merupakan gabungan informasi MoDa-UML dan MoDa-Code. Kata Kunci: Metrik Desain, Kualitas Internal, Kecenderungan Kesalahan.