Top Banner
TUGAS SISTEM CERDAS (ARTIFICIAL INTELLIGENCE/AI) Text Searching DOSEN PENGAMPU: Ristu Saptono S.Si, M.T DISUSUN OLEH : Nurma Ayu Wigati S.Subroto (M0513035) JURUSAN INFORMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS SEBELAS MARET SURAKARTA 2015
9

AI_M0513035_TUGAS

Feb 16, 2016

Download

Documents

ujian
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: AI_M0513035_TUGAS

TUGAS SISTEM CERDAS (ARTIFICIAL INTELLIGENCE/AI)

Text Searching

DOSEN PENGAMPU:

Ristu Saptono S.Si, M.T

DISUSUN OLEH :

Nurma Ayu Wigati S.Subroto (M0513035)

JURUSAN INFORMATIKA

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS SEBELAS MARET

SURAKARTA

2015

1. BFS

Page 2: AI_M0513035_TUGAS

1. Text :

Peningkatan Akurasi Estimasi Ukuran Perangkat Lunak Dengan Menerapkan

W1 W2 W3 W4

Logika Samar Metode Mamdani

W5 W6

2. Abstrak

1. Salah satu kunci sukses dari pengembangan perangkat lunak adalah perencanaan. :

K1

2. Untuk membuat perencanaan yang baik diperlukan estimasi ukuran perangkat

lunak yang akan dibangun. : K2

3. Ukuran perangkat lunak biasanya disajikan dalam bentuk lines of code (LOC). :

K3

4. Metode Function Point Analysis (FPA) merupakan metode yang paling sering

digunakan untuk memperkirakan ukuran perangkat lunak dalam satuan LOC. : K4

5. Akurasi dari FPA bisa ditingkatkan dengan cara penyesuaian nilai bobot pada

tabel Function Point Complexity. : K5

6. Pada penelitian ini, metode yang digunakan untuk penyesuaian nilai bobot adalah

metode logika samar Mamdani. : K6

7. Evaluasi dilakukan dengan cara membandingkan galat relatif antara hasil

pengukuran FPA murni, FPA modifikasi Mamdani model 1, FPA modifikasi

Mamdani model 2 serta nilai tengah antara model 1 dan model 2, dengan nilai

LOC sebenarnya dari perangkat lunak. : K7

8. Model 1 dan model 2 dibedakan oleh nilai himpunan fuzzy pada proses

fuzifikasi. : K8

9. Sebanyak 13 perangkat lunak digunakan untuk pengujian. : K9

10. Hasilnya estimasi menggunakan FPA nilai tengah memberikan hasil terbaik

dengan galat terkecil yaitu 1,6% dibandingkan FPA modifikasi Mamdani model 1

(2%), FPA model 2 (3,2%) dan FPA Murni (3,4%). : K10

11. Perbedaan galat relatif tersebut mempunyai tingkat kepercayaan secara statistika

sebesar 76%. : K11

- Kata Kunci

1. Estimasi Ukuran Perangkat Lunak : F1

Page 3: AI_M0513035_TUGAS

2. Function Point Analysis : F2

3. Metode Mamdani : F3

F2 sebagai Goal

Queue : Judul, Abstrak, W1, W2, W3, W4, W5, W6, K1, K2, K3, K4, K5, K6, K7,

K8, K9, K10, K11, Kata Kunci,F1, F2

2. DFS

1. Text :

Peningkatan Akurasi Estimasi Ukuran Perangkat Lunak Dengan Menerapkan

W1 W2 W3 W4

Logika Samar Metode Mamdani

W5 W6

Page 4: AI_M0513035_TUGAS

2. Abstrak

1. (K1) Salah satu kunci sukses dari pengembangan perangkat lunak adalah

A1 A2 A3 A4 A5

perencanaan.

A6

2. (K2) Untuk membuat perencanaan yang baik diperlukan estimasi ukuran

A1 A2 A3 A4 A5 A6 A7

perangkat lunak yang akan dibangun.

A8 A9 A10

3. (K3) Ukuran perangkat lunak biasanya disajikan dalam bentuk lines of code

A1 A2 A3 A4 A5

(LOC).

A6

4. (K4) Metode Function Point Analysis (FPA) merupakan metode yang paling

A1 A2 A3 A4 A5 A6

sering digunakan untuk memperkirakan ukuran perangkat lunak dalam satuan

A7 A8 A9 A10 A11 A12 A13

LOC.

A14

- Kata Kunci

Page 5: AI_M0513035_TUGAS

A2 sebagai Goal

Queue : Judul, W1, W2, W3, W4, W5, W6, Abstrak, K1, A1, A2, A3, A4, A5, A6,

K2, A1, A2, A3, A4, A5, A6, A7, A8, A9, A10, K3, A1, A2

3. Iterative Limited Depth Breadth First

- Limit = 1

Queue : Judul, Abstrak, Kata Kunci

- Limit = 2

Page 6: AI_M0513035_TUGAS
Page 7: AI_M0513035_TUGAS

Queue : Judul, W1, W2, W3, W4, W5, W6, Abstrak, K1, K2, K3, K4, K5, K6, K7,

K8, K9, K10, K11, Kata Kunci, F1, F2

Teman Diskusi : Della, Irene, Rizal, Shofwah