UBUB

Journal of Information Technology and Computer ScienceJournal of Information Technology and Computer Science

Kemampuan pemeliharaan perangkat lunak menjadi lebih sulit ketika sistem berorientasi objek mengandung aroma kode God Class, di mana satu kelas menangani tanggung jawab berlebihan dan mengontrol sebagian besar perilaku sistem. Pendekatan deteksi God Class yang ada umumnya menggunakan ambang batas metrik yang dikembangkan untuk bahasa berjenis statis seperti Java, yang mungkin tidak secara akurat merepresentasikan karakteristik arsitektur sistem PHP berjenis dinamis. Masalah ini dapat mengurangi kemampuan pemeliharaan perangkat lunak, meningkatkan kompleksitas sistem, dan memperumit aktivitas pengembangan dan pengujian di masa depan. Studi ini menerapkan pendekatan penelitian empiris kuantitatif untuk mengevaluasi deteksi God Class berbasis metrik dalam sistem PHP. Dua belas proyek sumber terbuka PHP yang berisi 7.866 kelas dikumpulkan dari GitHub dan dianalisis menggunakan alat analisis statis PDepend. Metrik berorientasi objek yang diekstrak mencakup Weighted Methods per Class (WMC), Number of Public Methods (NPM), Depth of Inheritance Tree (DIT), dan Lines of Code (LOC). Sebuah kelas diklasifikasikan sebagai God Class ketika setidaknya tiga dari empat nilai ambang batas terlampaui. Hasil deteksi divalidasi menggunakan analisis statistik, K-Means clustering, validasi konsistensi mesin belajar, perbandingan PHPMD, dan validasi manual oleh ahli. Hasilnya mengidentifikasi 421 God Class dan menunjukkan bahwa WMC, NPM, dan LOC adalah indikator kuat perilaku God Class dalam sistem PHP, sedangkan DIT memiliki pengaruh lebih rendah karena struktur warisan berbasis kerangka kerja.

Studi ini menunjukkan bahwa pendekatan deteksi berbasis metrik dapat efektif mengidentifikasi masalah pemeliharaan dalam aplikasi PHP dan memberikan dasar untuk pengembangan ambang batas khusus PHP di masa depan.Hasil menunjukkan bahwa WMC, NPM, dan LOC merupakan indikator kuat perilaku God Class dalam sistem PHP, sedangkan DIT kurang relevan karena dipengaruhi oleh struktur warisan kerangka kerja.Deteksi God Class yang efektif memerlukan pengembangan ambang batas yang disesuaikan dengan karakteristik dinamis PHP dan validasi multi-metode untuk meningkatkan keandalan hasil.

Penelitian lanjutan dapat mengembangkan standar ambang batas khusus PHP menggunakan teknik optimisasi seperti Algoritma Genetika atau Particle Swarm Optimization untuk meningkatkan akurasi deteksi. Selain itu, perlu diuji pengaruh kerangka kerja berbeda (seperti WordPress, Laravel, dan Symfony) terhadap interpretasi metrik God Class. Terakhir, integrasi analisis statis dengan pendekatan mesin belajar berbasis data aktual dapat meningkatkan deteksi aroma kode secara lebih akurat dan relevan dengan praktik pengembangan modern.

Read online
File size380.56 KB
Pages12
DMCAReport

Related /

ads-block-test