SIZE ORIENTED DAN FUNCTION POINT

BAB IV
PENGUKURAN (SIZE ORIENTED DAN FUNCTION POINT)
4.1 SIZE ORIENTED 

• Size Oriented (SO)

1. Produktifitas = LOC / Usaha = 2300 / 4 = 575
2. Kualitas = Kesalahan / LOC = 65 / 2300 = 0.0282 (0.0282 x 100% = 2.82) jadi nilai kualitas nya adalah 100% - 2.82% = 97.18 %
3. Biaya (Cost) = Dana / LOC = 35.000.000 / 2300 = Rp 15.217,- Jadi biaya bias dibulatkan menjadi Rp. 15.000,-
4. Dokumen = S hal / LOC = 250 / 2300 = 0.1086

4.2 FUNCTION POINT

Akan dibangun sebuah website dalam pengelolahan Sistem Informasi dan Reservasi Rental Mobil yang direncanakan untuk mengelola jumlah mobil yang akan disewakan serta fasilitas yang disediakan dan sebagainya. Dalam website ini sangat memungkinkan berinteraksi dengan pelanggan secara online jadi dari pihak pelanggan akan merasa diuntungkan karena bisa mengakses dari jauh dan bertransaksi langsung tanpa harus mendatangi tempat rental mobil tersebut. 

TAHAP 1. Menghitung Crude Function Points (CFP)

 Crude Function Points (CFP) yang didapat 646

TAHAP 2. Menghitung Relative Complexity Adjustment Factor (RCAF)

TAHAP 3. Menghitung Function Point (FP)
 
FP = CFP x (0.65 + 0.01 x RCAF)
     = 646 x (0.65 + (0.01 x 45))
      = 710.6

Nilai FP untuk proyek Software dalam pengelolahan Sistem Informasi Sumber Daya Manusia adalah  710.6 FP

TAHAP 4. Konversi FP menjadi Biaya 

Misalkan kita mempunyai table yang berisikan tarif untuk setiap nilaI FP sebagai berikut

Tabel tarif tersebut dihasilkan berdasarkan data history atau pengalaman dari perusahaan sendiri dalam developing software atau pengalaman perusahaan lain. Setiap perusahaan bisa berbeda-beda tarifnya karena bersifat subyektif,

Proyek Software dalam pengelolahan Sistem Informasi dan Reservasi Rental Mobil adalah 710.6 FP dengan Tarif Rupiah/FP untuk jenis Sistem Informasi adalah Rp. 50.000.  Maka Dapat dihasilkan sebagai berikut.

• Estimasi Biaya Development Software : Rp 50.000 x 710.6 = Rp. 35.530.000
• Estimasi Khusus Produksi Software : 1 Jam x 710.6 = 710 Jam atau 88 Hari Kerja (Asumsi 1 Hari Kerja sama dengan 8 Jam) atau 3 Bulan (Asumi 1 bulan 25 Hari Kerja)

BAB V
STRATEGI PERENCANAAN
Perencanaan yang dilakukan dimaksudkan untuk mengoptimalkan efisiensi dan keuntungan dengan memperhatikan segitiga proyek (The Project Triangle) yaitu :

- Time : penjadwalan tugas, penentuan durasi, ketergantungan tugas
- Money : anggaran belanja, sumber daya
- Scope : pekerjaan

Strategi perencanaan yang digunakan menerapkan beberapa strategi anatara lain :
1. Hasil tujuan
2. Asumsi/tanggapan
3. Pembatasan
4. Area/cakupan berhubungan antara sistem dengan pelanggan.

Tahapan perencanaan proyek secara garis besar meliputi langkah-langkah berikut ini:
1. Penentuan area/cakupan proyek
2. Pendefinisian tugas-tugas, teknik/tool : WBS, Project Network Diagram
3. Pendefinisian sumber daya
4. Penjadwalan, teknik/tool : PERT, CPM, Gantt Chart
5. Penentuan anggaran


BAB VI
MANAJEMEN RESIKO

 Tabel 6.1 Manajemen Resiko

Terima kasih buat yang sudah berkunjung kesini, Semoga bermanfaat... :D 

Jangan lupa tinggalkan pesan ya guys

Saiks~ChunHope

Continue Reading

METODE PERCEPTRON DENGAN JAVA NETBEANS 7.0.1

Selamat siang semua, kali ini saya akan sharing tentang tugas kuliah JST ya dari pada hanya jadi documentasi saja di laptop lebih baik bisa di sharing dan bermanfaat buat semua. pada tugas kali ini saya mengambil judul " PERBEDAAN PISANG RAJA DAN PISANG KEPOK MENGGUNAKAN METODE PERCEPTRON DENGAN JAVA NETBEANS 7.0.1".

A. Tujuan

Membangun Jaringan Saraf Tiruan Perceptron Dengan Pemrograman Beroriantasi Obyek Java untuk menyelesaikan suatu kasus (Perbedaan Pisang Raja dan Pisang Kepok).

B. Pendahuluan

Jaringan Saraf Tiruan perceptron adalah suatu jaringan syaraf dengan arsitektur single layer. Arsitektur Jaringan Saraf Tiruan tersebut adalah

Jika arsitektur Jaringan Saraf seperti gambar tersebut maka dapat kita bagi menjadisebuah class super class layer dan sub class input layer dan output layer.

A. Hasil Analisa

Dalam pembuatan aplikasi Jaringan Saraf Tiruan Perceptron ini kami menggunakan pengenalan pola pada pisang raja dengan pisang kapok yang memiliki variable sebagai berikut:

• · Warna
  
• · Tekstur Pisang
  
• · Panjang
  
• · Diameter 
  
  A. IMPLEMENTASI PROGRAM
  
a. Berikut adalah tampilan ProgressBar saat pertama kali aplikasi dijalankan.






b. Tampilan menu login.
UserID : admin
Password : 1234






Setelah semua terisi tekan tombol login untuk masuk ke menu utama aplikasi Perceptron.
c. Pada Menu Training dilakukan penginputan data dari variable jenis Pisang Raja 1, Pisang Raja Kapok 1 dan Pisang Raja 2 yang kemudian di lanjut dengan pengisian bobot 1,bobot 2, bobot 3 untuk menentukan bobot awal dan isikan bias dengan angka 1 sebagai nilai default dari bias itu sendiri.


Isikan nilai data dari alfa, threshold dan jumlah interasi yang akan di ujikan. Jika semua data sudah benar klik training proses untuk melakukan penyimpanan data yang selanjutnya data yang tersimpan tadi akan di testing untuk mengenali inputan pola yang diberikan.





Program saat training proses dijalankan, data akan tersimpan yang kemudian akan dilakukan testing pengenalan pola inputan program.



Hasil Testing

Demikian yang dapat saya sharing kali ini, bagi teman-teman yang ingin source code nya silahkan tinggalkan comment terlebih dahulu, nanti saya akan kirim by email. terima kasih buat kunjungan nya dan semoga bermanfaat.... :D

Continue Reading

Makalah Computer Vision

Computer vision didefinisikan sebagai salah satu cabang ilmu pengetahuan yang mempelajari bagaimana komputer dapat mengenali obyek yang diamati atau diobeservasi. Arti dari computer vision adalah ilmu dan teknologi mesin yang melihat, dimana mesin mampu mengekstrak informasi dari gambar yang diperlukan untuk menyelesaikan tugas tertentu.

Untuk menunjang tugas computer vision, maka terdapat beberapa fungsi pendukung ke dalam sistem ini antara lain :

1. Proses penangkapan citra /gambar

2. Proses pengolahan citra

3. Analisa data citra

4. Proses pemahaman data citra

Sebuah computer yang menyerupai kemampuan manusia dalam menangkap sinyal visual dilakukan dalam empat tahapan proses dasar :

1. Image Acquisition

Pada manusia dimulai dengan mata, kemudian informasi visual diterjemahkan ke dalam suatu format yang kemudian dapat dimanipulasi oleh otak.  Senada dengan proses di atas, computer vision membutuhkan mata untuk menangkap sinyal visual.

Contohnya :

Kamera menterjemahkan sebuah scene atau image.

2. Image processing

Image processing membantu peningkatan dan perbaikan kualitas image, sehingga dapat dianalisa dan di olah lebih jauh secara lebih efisien. Image processing akan meningkatkan perbandingan sinyal terhadap noise. Sinyal-sinyal tersebut adalah informasi yang akan merepresentasikan objek yang ada didalam image. Noise adalah segala bentuk interfensi, kekurangan yang terdapat pada objek.

3. Image Analysis

Image analysis akan mengeksplorasi scene ke dalam bentuk karakteristik utama dari objek melalui suatu proses investigasi. Program analysis digunakan untuk mencari  tepi  dan batas-batasan objek kedalam image.

4. Image Understanding

Merupakan langkah terakhir  dalam proses computer vision.pada bagian ini akan melibatkan kajian tentang tehnik-tehnik artificial intelligent.

1.1. Latar Belakang

Image enhancement adalah proses mendapatkan citra yang lebih mudah diinterpretasikan oleh mata manusia (Human Visual System/HVS). Proses ini merupakan salah satu proses awal dalam pengolahan citra (image preprocessing). Untuk meningkatkan kualitas hasil proses image enhancement maka lebih baik manipulasi citra dilakukan dalam domain frekuensi. Beberapa jenis transformasi yang dapat digunakan untuk mengubah citra dari domain spasial ke domain frekuensi antara lain, transformasi fourier, transformasi gelombang-singkat (wavelet transform), Discrete Cosine Transform (DCT), dan sebagainya. Citra yang terbentuk menjadi berkualitas buruk karena mengalami derau (noise) pada saat pengambilan (capture) gambar, pengiriman melalui saluran transmisi, terlalu terang/gelap, kurang tajam, kabur dan sebagainya. Pada proses perbaikan kualitas citra, ciri-ciri tertentu dalam citra lebih diperjelas kemunculannya.

Secara matematis:

f(x,y) f’ (x,y) (1)

Ciri-ciri pada f(x,y) lebih ditonjolkan. Pada proses pelembutan dan penajaman citra merupakan operasi penapisan (filtering), sehingga dilakukan operasi konvolusi citra f(x,y) dan filter h(x,y).

Secara matematis dalam domain spasial dirumuskan sebagai berikut:

f’(x,y) = h(x,y) * f(x,y) (2)

dan dalam domain frekuensi

F’(u,v) = H(u,v) F(u,v) (3)

Proses pemilihan H(u,v) yang tepat dalam rangka menonjolkan ciri citra f(x,y). Pada umumnya nilai f(x,y) sudah diketahui yang merupakan citra asli, persoalannya adalah memilih filter h(x,y) yang tepat untuk dapat menonjolkan ciri tertentu dari citra asli. Dalam domain frekuensi, umumnya citra yang mengalami gangguan yaitu pada frekuensi tinggi sehingga dilakukan proses penyaringan yang dapat menapis frekuensi tinggi High Pass Filter (HPF) dan meloloskan frekuensi rendah yaitu Low Pass Filter (LPF) [1].

Perbaikan kualitas citra dengan metoda Fuzzy Image Filtering disertai dengan sharpening yang dapat meningkatkan kualitas citra yang dihasilkan. Fuzzy Image Filter ini terdiri atas dua tahap, dimana tahap pertama adalah melakukan komputasi sebuah turunan fuzzy untuk delapan arah yang berbeda. Tahap kedua adalah memanfaatkan turunan tersebut untuk melakukan fuzzy smoothing dengan memberikan bobot kontribusi nilai pixel tetangga. Efek pengaburan yang mungkin terjadi karena proses fuzzy smoothing diperbaiki dengan menambahkan suatu proses sharpening [2].

Proses perbaikan kualitas citra yang dilakukan terbatas pada domain spasial sehingga berimplikasi pada waktu komputasi yang makin besar. Penelitian tentang pemulihan citra dalam kawasan gelombang-singkat telah dilakukan dengan tipe wavelet yang digunakan adalah wavelet haar karena memberikan hasil yang paling baik dari jenis wavelet yang lain. Kelemahan pada penelitian ini adalah citra yang tajam akan menjadi rusak, sehingga perlu dibandingkan dengan metoda yang lain [3].

Keuntungan pemulihan citra dalam kawasan gelombang-singkat adalah waktu komputasi lebih cepat karena daerah dukungan (region of support) lebih kecil separuhnya.

Download File

Jangan lupa mampir comment dulu ya gan,.. ;) terima kasih

Continue Reading