2021 : MODEL KLASIFIKASI KOMPOSISI TIM PENGEMBANGAN PERANGKAT LUNAK YANG EFEKTIF BERBASIS ALGORITMA MACHINE LEARNING

Dr. Umi Laili Yuhana S.Kom., M.Sc.

Year

2021

Published in

-

External link

Type

RESEARCH

Keywords

-


Abstract

Saat ini, dunia masuk ke dalam masa Revolusi Industri 4.0. Salah satu kata kuncinya adalah digitalisasi, yang mendorong terjadinya perubahan besar dalam berbagai aspek kehidupan manusia. Tuntutan terhadap ketersediaan perangkat lunak meningkat drastis. Di sisi yang lain, masih dilaporkan tingginya angka kegagalan dalam proyek pengembangan perangkat lunak. Ada banyak faktor yang menjadi penyebabnya. Komposisi tim perangkat lunak yang tidak efektif telah diakui sebagai aspek utama kegagalan proyek perangkat lunak. Pada penelitian ini dikembangkan model klasifikasi komposisi tim pengembangan perangkat lunak yang efektif. Model yang dikembangkan terdiri atas tiga predictor variables yaitu kepribadian, peran dan jenis kelamin. Asesmen kepribadian dilakukan menggunakan analisa MBTI (Myers Brigs Type Indicator). Obyek yang diteliti adalah tim mahasiswa dengan pengalaman kurang dari 3 tahun yang mengambil matakuliah Workshop Pengembangan Perangkat Lunak. Outcome variables untuk menetapkan efektivitas tim dilihat dari kualitas tim dan kualitas dari produk yang dihasilkan. Untuk pengukuran kualitas tim digunakan tiga metrik, yaitu asesmen level team development berdasarkan model Tuckman, asesmen team dysfunction serta poin penilaian dari para mentor yang mendampingi selama proses pengembangan. Sedangkan kualitas produk didapatkan dari penilaian para mentor yang menilai produk dari 5 kategori yaitu UI/UX, backend, frontend, mobile dan desktop. Teknik yang digunakan untuk klasifikasi adalah regresi logistik, decision tree, dan rough set teory (RST). Hasil pengolahan data dengan tiga metode tersebut akan dibandingkan dari sisi kompleksitas pola serta nilai akurasinya. Akurasi prediksi yang lebih tinggi dan kompleksitas pola yang lebih rendah menjadi parameter untuk memilih teknik yang efektif sehingga akan didapatkan keluaran berupa kombinasi decision rule dari salah satu teknik yang direkomendasikan.