Pemodelan Pengukuran Tingkat
Kematangan Kerangka Kerja COBIT
BATASAN MASALAH
•
Hanya melakukan perhitungan kemiripan
antara dokumen perusahaan dengan
dokumen COBIT
•
Dokumen yang digunakan, terbatas untuk
dokumen berbahasa Inggris.
•
Asumsi :
dokumen yang digunakan
Alasan Menggunakan Ontology
•Ontology mendefinisikan konsep, relasi, dan perbedaan lainnya yang relevan untuk pemodelan domain permasalahan
• (Gruber, 2007; Nicola, et al., 2009; Amborowati, 2007)
• merepresentasikan Metadata
• (Cimiano, et al., 2010)
• Ontology bersifat flexibel
• (Hamlington, et al., 2010)
• Memiliki kemampuan inferencing
• (jiang,2009)
• Memungkinkan untuk berbagi
• pengetahuan dan penggunaan kembali
Langkah-langkah Penelitian
Membangun Ontology Metamodel • Menentukan area perbaikan metamodel COBIT • Memperbaiki metamodel COBIT • Membangun Ontology Metamodel • Ontology Metamodel COBIT • Ontology Metamodel Perusahaan Membangun Ontology Dokumen • Praproses Dokumen • Pemangkasan Kata • Pembentukan Herarki • Pembobotan Pencocokan Ontology • Pencocokan ontology Dokumen • Pencocokan ontology MetamodelMetamodel COBIT
Goeken dan Alter 2008
• pengklasifikasian dan gambaran secara umum kerangka kerja COBIT dalam bentuk metamodel
• mengekstraksi dan menyajikan hubungan logis dan semantik yang mendasari framework COBIT
(Memperbaiki metamodel COBIT)
(Skema Ontology COBIT)
Tahapan Pembentukan ontologi dari dokumen
•
Praproses
•
Sinonim
•
Hitung frekuesi kata
•
Pemangkasan kata
•
Membentuk hirarki
•
Pembobotan
Pencocokan Ontology
Cosine similarity
•
Metode pencocokan ontology berdasarkan
ruang vektor
–
Cosine =1
kedua vector adalah sama.
–
Cosine =0
kedua vector tidak sama
B
A
B
A
cos
t k dk t k qk t k dk qk w w w w d q similarity 1 2 1 2 1 . ) , (Tahapan Pencocokan menggunakan semantic cosine
similarity
•
Mapping Ontology : untuk menghitung
kemiripan konsep yang sinonim
•
Vektorisasi
–
Membangun ruang vektor dari kedua ontology
•
Menghitung kemiripan antar dua konsep
berdasarkan wordnet menggunakan rumus
Wu-palmer
•
Menghitung kemiripan dua ontology
Semantic Cosine Similarity
Rumus Semantic Cosine similarity
Rumus Wu-Palmer
t k dk t k PL Wu qk t k dk PL Wu qk w c c sim w w c c sim w d q similarity 1 2 1 2 1 . ) 2 , 1 ( ) 2 , 1 ( ) , (Tahapan Pencocokan Ontology dengan Graf Matching
(similarity Floding)
•
Menghitung kemiripan antar node
•
Menghitung kemiripan antar arc
Pencocokan Ontology dengan Graf Matching
(similarity Floding)
•
Rumus
Uji Coba Skenario 1
•
Dokumen Uji Coba
No Nama Dokumen Ukuran
(dalam kb)
1 AI1.ML.0 1
2 AI2.ML.2 1
3 AI1.CO 2
4 AI6.ML 3
5 The Tactical Plan 4
Hasil Perbandingan
AI1.ML.0 AI2.ML.2 AI1.CO AI6.ML Tactical Plan Company _Doc2 Recall 0.93 0.93 0.47 0.35 0.35 0.38 Precision 0.88 0.87 0.80 0.73 0.82 0.91 F-measure 0.90 0.89 0.40 0.29 0.31 0.39 0.00 0.10 0.20 0.30 0.40 0.50 0.60 0.70 0.80 0.90 1.00
Analisa
• Didalam text2onto seluruh kata hasil ekstraksi di jadikan konsep, sedangkan didalam sistem yang dibangun terdapat proses pemotongan kata-kata yang memiliki frekuensi lebih kecil atau sama dengan dibandingkan nilai ambang batas
Hasil Perbandingan Waktu Skenario 1
No Nama Dokumen Ukuran (dalam kb) Lama ekstraksi (dalam s) Sistem Text2onto 1 AI1.ML.1.txt 1 2 1.8 2 AI1.CO.txt 2 2.52 6.75 3 AI6.ML.txt 3 4.29 10.234 The Tactical Plan.txt 4
4.37 10.82 5 Company_Doc 5 2.90 15.71 0 5 10 15 20
AI1.ML.1.txt AI1.CO.txt AI6.ML.txt The Tactical Plan.txt
Company_Doc
Perbandingan waktu
Skenario 2
No Dokumen Pembanding No Dokumen sama No Dokumen Beda No Dokumen Mirip1 AI1.ML.0 1 AI1.ML.0 1 B1 1 AI6.CO
2 AI1.ML.2 2 AI1.ML.2 2 B2 2 Document_comp2
3 AI1.ML.3 3 AI1.ML.3 3 B3 3 AI2.ML
4 AI6.ML
5 The Tactical Plan
Hasil Uji Coba
Dokumen pembanding Dokumen Uji Sim
Dokumen Sama AI1.ML.0 AI1.ML.0 0.99 AI1.ML.2 AI1.ML.2 0.99 AI1.ML.3 AI1.ML.3 1 Dokumen Beda AI1.ML.0 B1 0 AI1.ML.2 B2 0 AI1.ML.3 B3 0 Dokumen Mirip AI1.ML.0 AI6.CO 0.18 AI1.ML.2 Document_comp2 0.11 AI1.ML.3 AI2.ML 0.57 AI1.ML.0 AI6.ML 0.15 AI1.ML.2 AI1.ML 0.37 AI1.ML.3 AI6.ML 0.4
Uji Coba Skenario 3
•
Dokumen uji coba
No Dokumen Perusahaan
1 NOAA_Strategic_IT_Plans
2 Michigan Strategic_Plan_2010
3 Miami university IT Strategic Planning Tactical Plan
4 Kitsap County_IT strategic Plan
5 SLC_Strategic Master Plan2010
Hasil Uji Coba Skenario 3
No_Doc Kemiripan per Level Kematangan
Maturity Level Lv.0 Lv.1 Lv.2 Lv.3 Lv.4 Lv.5 1 0.665 0.4975 0.264 0.165 0.05 0.11 0.76 2 0.83 0.415 0.264 0.33 0.275 0.11 1.2 3 0.495 0.333 0.06 0.248 0 0.06 0.5 4 0.83 0.415 0.198 0.495 0.385 0.17 1.5 5 0.495 0.415 0.066 0.248 0.05 0.06 0.6 6 0.495 0.415 0.06 0.2475 0.165 0.11 0.8 No_Doc
Kemiripan per Level Kematangan Maturity
Level Lv.0 Lv.1 Lv.2 Lv.3 Lv.4 Lv.5 1 0.54 0.27 0.17 0.36 0.22 0.13 1.09 2 0.65 0.22 0.14 0.41 0.40 0.26 1.56 3 0.26 0.21 0.14 0.30 0.17 0.07 0.82 4 0.64 0.25 0.33 0.36 0.24 0.11 1.17 5 0.22 0.14 0.27 0.25 0.12 0.07 0.77 6 0.3 0.23 0.19 0.32 0.17 0.11 0.95 MANUAL SISTEM
Uji Validitas SISTEM
(skenario 3)
•
Alat uji statistic yang digunakan adalah uji
Homogeneity-of-Variance One-Way
Anova
–
Ho = hasil perhitungan antara manual dan sistem
adalah sama.
–
H1= hasil perhitungan antara manual dan sistem
adalah beda.
Hasil Uji Seluruh dokumen
•
Homogeneity-of-Variance One-Way
Anova
–
f
tabelpada percobaan ini adalah 4.00
ANOVA
ML
Sum of
Squares df SquareMean F Sig. Between Groups .013 1 .013 .344 .560 Within Groups 2.613 70 .037 Total 2.625 71
Analisa
•
hasil uji
one way ANOVA
yang telah dilakukan
mengindikasikan bahwa :
– nilai uji-F tidak signifikan berbeda pada kelompok uji, ini ditunjukkan oleh nilai Fhitung sebesar 0,344 lebih kecil
daripada Ftabel(4.00), diperkuat dengan nilai pvalue lebih kecil daripada nilai kritik (1-α) yaitu 0.560.
•
Artinya uji ini menunjukan bahwa hasil pengujian
terhadap seluruh dokumen dengan perhitungan
manual maupun sistem memiliki
kesamaan
•
Hasil tersebut menunjukkan bahwa
H0 diterima, dan
Hasil Uji Coba Perdokumen
Ftabel=4.96 (1-α)=0.95 Dokumen 1 Fhitung=0.022 Pvalue=0.886 Dokumen 6 Fhitung=0.136 Pvalue=0.720 Dokumen 2 Fhitung=0.012 Pvalue=0.916 Dokumen 3 Fhitung=0.112 Pvalue=0.745 Dokumen 5 Fhitung=0.259 Pvalue=0.622 Dokumen 4 Fhitung=0.592 Pvalue=0.459Analisa
•
hasil uji
one way ANOVA
yang telah dilakukan
mengindikasikan bahwa:
– nilai uji-F tidak signifikan berbeda pada kelompok uji, ini ditunjukkan oleh nilai Fhitung sebesar 0,022 pada dokumen 1, 0.012 pada dokumen 2, 0.112 pada dokumen 3, 0.592 pada dokumen 4, 0.259 pada
dokumen 5, 0.136 pada dokumen 6, lebih kecil daripada
Ftabel(4.96), diperkuat dengan nilai pvalue lebih kecil daripada nilai kritik (1-α).
• Artinya uji ini menunjukan bahwa hasil pengujian terhadap masing-masing dokumen dengan perhitungan manual
maupun sistem memiliki kesamaan
•
Hasil tersebut menunjukkan bahwa
H0 diterima,
dan
Hasil Uji Coba Skenario 4
(sistem)
Nomor Dokumen
Maturity Level Control Objective Metamodel Waktu (detik) 1 1.13 0.58 0.81 181 2 1.56 0.84 0.88 245.92 3 0.82 0.65 0.81 126.35 4 1.17 0.75 0.85 257 5 0.77 0.58 0.79 162.05 6 0.95 0.52 0.8 152.72
Waktu rata-rata yang diperlukan untuk pemeriksaan
dokumen secara manual adalah rata-rata 1 jam atau 360 detik
Kesimpulan
• Sistem ini telah mampu membangun skema ontology dokumen COBIT maupun ontology dokumen perusahaan.
• Konsep-konsep yang terbentuk dari sistem ini memiliki presisi yang cukup tinggi pada saat dibandingkan dengan text2onto, tetapi memiliki recall yang rendah
– hal ini disebabkan pada text2onto seluruh konsep diambil seluruhnya tanpa ada proses pruning dan text2onto telah mampu menghasilkan suatu frase kalimat.
• Berdasarkan waktu proses ekstraksi dokumen, sistem lebih cepat dibandingkan dengan text2onto.
• Sistem telah mampu menghasilkan nilai yang tepat sama dengan 1 untuk dokumen yang sama dengan dokumen COBIT, nilai 0 untuk dokumen yang berbeda dengan dokumen COBIT, dan nilai antara 0 dan 1 untuk dokumen yang mirip dengan dokumen COBIT
Kesimpulan
•
Berdasarkan hasil uji berbedaan
One-Way
Anova
dengan dua cara pengujian menunjukkan hasil antara
perhitungan sistem dan manual adalah sama.
– Hal ini menunjukkan Ontology Metamodel COBIT telah mampu memberikan nilai kematangan proses TI dengan tepat
•
Berdasarkan perbandingan nilai tingkat kematangan
proses TI, perhitungan secara sistem lebih tinggi
dibandingkan secara manual.
•
Sistem mampu menyelesaikan permasalahan lebih
Saran
• Perusahaan yang telah menerapkan kerangka kerja COBIT
diharapkan untuk menata dokumen sesuai dengan acuan yang terdapat didalam COBIT, sehingga memudahkan sistem dalam melakukan perhitungan tingkat kematangan proses TI.
• Perlu dilakukan pengkajian lebih dalam terkait metode pencocokan ontology untuk menghitung kemiripan dua
dokumen, terutama untuk mengatasi perbedaan besar dan kecilnya dokumen.
• Perlu dilakukan perbaikan pada proses ekstraksi dokumen sehingga sistem mampu menghasilkan frase kalimat yang sesuai.