FNN-ONTOCOM: Pendekatan Estimasi Biaya Hibrida Menggunakan Fuzzy dan Jaringan Neural untuk Rekayasa Ontologi

FNN-ONTOCOM: Pendekatan Estimasi Biaya Hibrida Menggunakan Fuzzy dan Jaringan Neural untuk Rekayasa Ontologi

ABSTRAK
Rekayasa ontologi sangat penting untuk banyak bidang seperti sistem pencarian informasi, fasilitas integrasi data, dan sistem pendukung keputusan dasar. Meskipun demikian, memperkirakan biaya proyek rekayasa ontologi sangat sulit dicapai. Tantangan ini berasal dari kompleksitas dan sifat proyek yang terus berkembang. Untuk mengatasi kesulitan ini, kami mengusulkan untuk meningkatkan akurasi estimasi biaya melalui metodologi hibrida yang menggabungkan Model Estimasi Biaya Ontologi Fuzzy (F-ONTOCOM) dan Jaringan Syaraf Tiruan (ANN). Logika fuzzy digunakan dalam model kami untuk menangkap variabel linguistik dan hubungan kompleks lainnya dalam lingkup estimasi biaya. Pada saat yang sama, ANN memungkinkan pengenalan interaksi nonlinier yang kompleks, meningkatkan akurasi prediksi secara keseluruhan. Integrasi logika fuzzy dan jaringan saraf ini menghasilkan peningkatan dalam ketahanan, kemampuan beradaptasi, dan presisi model. Pendekatan kami menampilkan metodologi untuk 148 proyek rekayasa ontologi yang mencakup, tetapi tidak terbatas pada, pengikisan dan praproses data, desain sistem inferensi fuzzy, pelatihan jaringan saraf, dan proses validasi. Hasilnya menunjukkan bahwa pendekatan hibrida lebih unggul daripada pendekatan estimasi tradisional dalam hal estimasi upaya, Mean Relative Error (MRE), Mean Magnitude of Relative Error (MMRE), dan akurasi prediktif pada 21 proyek ontologi yang dipilih secara acak.

You May Also Like

About the Author: zenitconsultants

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan. Ruas yang wajib ditandai *