PERBAIKAN
METODE
PEMERINGKATAN
SPESIFIKASI
KEBUTUHAN
BERDASARKAN
PERKIRAAN
KEUNTUNGAN
DAN
NILAI PROYEK DENGAN MENGURANGI PERBANDINGAN
NILAI
PROYEK
DENGAN
MENGURANGI
PERBANDINGAN
BERPASANGAN
TESIS TESIS
Dipersiapkan
Dipersiapkan oleholeh Eko
Eko PrasetyoPrasetyo 51085108 201201 023023 P bi bi P bi bi Pembimbing Pembimbing Daniel O.
Daniel O. SiahaanSiahaan,, S.Kom,S.Kom, M.ScM.Sc,, PD.EngPD.Eng
MAGISTERMAGISTER TEKNIKTEKNIK INFORMATIKAINFORMATIKA FAKULTAS TEKNOLOGI INFORMASI
FAKULTAS TEKNOLOGI INFORMASI
INSTITUT TEKNOLOGI SEPULUH NOPEMBER INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA SURABAYA 2011 2011
Latar Belakang
Latar
Belakang
• Fase spesifikasi kebutuhan dalam pembuatan perangkat lunak merupakan fase yang sangat menentukan keberhasilan perangkat lunak
fase yang sangat menentukan keberhasilan perangkat lunak – K. Agusa et. al. (1979), A. Davis (1993), dan K. Yue (1987)
• Meminimalisasi resiko selama pengembangan sehingga spesifikasi kebutuhan dengan kepentingan yangg p g y g p palingg tinggi atau beresiko tinggigg gg diimplementasikan terlebih dahulu
– Metode : Pendekatan keuntungan dan biaya (Herrmann, Andrea, Maya
Daneva, 2008), AHP (T.L. Saaty, 2001), 100‐points method (D. Leffingwell,
2000)
• Konsumsi fase spesifikasi kebutuhan yang baik :
– COCOMO (2000) Æ 8% dari total sumber daya proyek
– NASA, Forsberg (1997) Æ proyek sukses secara optimal ketika menggunakan 7% ‐ 15%
7% 15%
• ketika jumlah spesifikasi kebutuhan semakin banyak maka waktu yang
diperlukan untuk memeringkatnya juga semakin lama, terutama pada metode AHP dan metode yang menggunakannya.
Pendekatan keuntungan dan biaya
Pendekatan
keuntungan
dan
biaya
•
Penelitian terkait
– Telah memasukkan unsur keuntungan dan biaya dalam merangking,
jika dibandingkan dengan metode yang lain (Herrmann, Andrea, Maya
Daneva, 2008)
– Pendekatan yang kemudian dikembangkan dan dikomersialkan dalamPendekatan yang kemudian dikembangkan dan dikomersialkan dalam perusahaan Focal Point (Vigo ahl, 2005)
•
Kelemahan metode :
– tergantung pada AHP untuk merangking keuntungan dan biaya,
hi jik j l h k b h ki b k k j l h
sehingga jika jumlah kebutuhan semakin banyak maka jmlah
pertanyaan yang dijawab tumbuh secara kuadratik mengikuti rumus : j
= n(n‐1)/2
– kebingungan bagi pelanggan untuk memilih,g g g p gg , karena pada setiapp p
kuadran yang ditempati oleh setiap spesifikasi kebutuhan mempunyai kelebihan dan kekurangan masing‐masing
– Lamanya proses penentuan nilai peringkat berdasarkan keuntungan dan biaya
dan biaya
Yang dilakukan dalam penelitian
Yang
dilakukan
dalam
penelitian
•
Perbaikan
metode
pemeringkatan
spesifikasi
kebutuhan
b d
k
ki
k
t
d
il i
k d
berdasarkan perkiraan keuntungan dan nilai proyek dengan
mengurangi perbandingan berpasangan :
– Pemeringkatan keuntungan dan nilai proyek menggunakan metode 100 poin,
100 poin,
– metode pengelompokannya menggunakan fuzzy k‐means clustering
dengan basis perkiraan keuntungan dan nilai proyek dalam kelompok pemeringkatan,
sedangkan pemeringkatan kelompokn a mengg nakan metode model
– sedangkan pemeringkatan kelompoknya menggunakan metode model
kuadran.
– Pemeringkatan spesifikasi kebutuhan dalam kelompok menggunakan AHP berbasis metode lama.
•
Dengan perbaikan ini diharapkan jumlah perbandingan
berpasangan yang
harus dijawab oleh pelanggan dapat dikurangi
Input/Output metode
Input/Output
metode
•
Input :
Input
:
–
Sejumlah
spesifikasi
kebutuhan
yang
dinyatakan
dalam pernyataan yang benar dan tidak ambigus
dalam
pernyataan
yang
benar
dan
tidak
ambigus
–
Misal
:
R
:
1
2
3
4
5
6
7
8
9
•
Output :
•
Output
:
–
Spesifikasi
kebutuhan
yang
sudah
diperingkat
dengan mempertimbangkan faktor keuntungan
dengan
mempertimbangkan
faktor
keuntungan,
nilai
proyek
dan
faktor
lain
yang
digunakan
ketika
melakukan
pemeringkatan
p
g
akhir
–
Misal
:
R
:
2
5
9
8
1
6
3
4
7
Spesifikasi
Kebutuhan
(Davis,
G.
dan
Shehata,
M.,
2010)
• R1 : Sistem seharusnya menyimpan informasi terbaru mengenai setiap property dalam
d b h d l
database yang handal
• R2 : Sistem seharusnya memberikan fasilitas fungsional seperti advanced searching,
browsing, dan editing terhadap real estate agency dan agency office staff. Ini akan
membutuhkan pembedaan level akses dan kontrol
• R3 : Sistem seharusnya menyediakan akses pencarian dan browsing pada user umum.
Mereka dapat melihat sebuah pilihan bagian dari informasi semua properti
• R4 : Sistem seharusnya mengenali bermacam‐macam "states" dimana propertinya dapat
menjadi "unlisted", "listed", "conditionally sold", dan "sold". Ini penting sebagaimana menjadi unlisted , listed , conditionally sold , dan sold . Ini penting sebagaimana
kebanyakan user menginginkan tidak memasukkan properi yang sudah terjual dari hasil
perncarian
• R5 : Sistem akan mendukung akses internet pada website agency
R6 Si t k di k t k i li
• R6 : Sistem akan menyediakan transaksi online
• R7 : Sistem akan berjalan pada platform Windows dan menggunakan protokol komunikasi
standart
• R8 : Sistem akan menyediakan laporan secara harian, mingguan, dan bulanan tentang
aktivitas agency selama periode yang di‐cover oleh laporan
Tujuan Penelitian dan Kontribusi
Tujuan
Penelitian
dan
Kontribusi
•
Tujuan
j
:
– Mengurangi jumlah perbandingan berpasangan yang harus dijawab
oleh pengguna/pelanggan dan pengembang
– Memberikan hasil rangking yang pasti pada sejumlah spesifikasiMemberikan hasil rangking yang pasti pada sejumlah spesifikasi
kebutuhan dengan mengelompokkan spesifikasi kebutuhan kedalam
sejumlah kelompok yang kemudian diperingkat kembali menggunakan
metode AHP.
•
Kontribusi
:
– Perbaikan metode untuk mempercepat pemeringkatan spesifikasi
kebutuhan dengan fuzzy k means yang berbasis perkiraan keuntungan kebutuhan dengan fuzzy k‐means yang berbasis perkiraan keuntungan
Metode
Pendekatan
Keuntungan
‐
Nilai
Proyek
yang
lama
Req1 – Req9 R : 1 2 3 4 5 6 7 8 9 Input k Rank R1‐R9 Rank R1‐R9 R : 4 1 7 9 2 8 6 5 3 R : 1 6 8 7 4 9 5 3 2 R1 : 4 – 1 R2 : 1 – 6 R3 : 7 – 8 R4 : 9 – 7 R4 : 9 7 R5 : 2 – 4 R6 : 8 – 9 R7 : 6 ‐ 5 R8 5 3 6 8 10 g an
Diagram Keuntungan-Nilai Proyek
R2 R3 R4 R6 R8 : 5 ‐ 3 R9 : 3 ‐ 2 0 2 4 6 Ke u n tu n g R1 R2 R5 R7 R8 R9 0 2 4 6 8 10 0 Nilai proyek Lokasi Req. R : 2 5 9 1 3 7 6 4 8
Desain proses perbaikan metode
InputDesain
Req1proses
– Req9perbaikan
metode
R : 1 2 3 4 5 6 7 8 9 p k Rank R1‐R9 R : 1 6 8 7 4 9 5 3 2 Rank R1‐R9 R : 4 1 7 9 2 8 6 5 3 R1 : 4 – 1 R2 : 1 – 6 R3 : 7 – 8 R4 : 9 – 7 R4 : 9 7 R5 : 2 – 4 R6 : 8 – 9 R7 : 6 ‐ 5 R8 5 3 1. (1,2,5,8,9) 2. (3,4,6,7) 1. (2,5,9,8,1) R8 : 5 ‐ 3 R9 : 3 ‐ 2 2. (6,3,4,7) 2 5 9 8 1 6 3 4 7 R : 2 5 9 8 1 6 3 4 7
Relevansi hasil
Relevansi
hasil
•
Metode
yang
y g
lama
:
– Perkiraan peringkat (R) : 2 5 9 1 3 7 6 4 8
•
Metode
yang
baru
:
– Setelah kelompok dan data didalamnya diperingkat : (2,5,9,8,1)
(6,3,4,7)
– Peringkat akhir (R) : 2 5 9 8 1 6 3 4 7
•
Analisis
pasangan
pengembang
dan
pelanggan
1
:
– Pada pengelompokan dengan 2 kelompok, data yang menjadi
peringkat pertama R : 2 5 9 8 1 (2 5 9 1 selalu dikelompok 1), peringkat
pe g at pe ta a : 5 9 8 ( 5 9 se a u d e o po ), pe g at kedua berisi data R : 6 3 4 7. (6 4 7 selalu dalam kelompok 2).
– Sehingga ada 7 spesifikasi kebutuhan yang selalu berada pada
Relevansi hasil
Relevansi
hasil
•
Analisis pasangan pengembang dan pelanggan
Analisis
pasangan
pengembang
dan
pelanggan
7
:
– percobaan 2 dan 3 dapat dianalisis bahwa untuk R2, R5, R7 selalu berada
sebagai 3 teratas di kelompok pertama, kelompok pertama ini adalah
kelompok terdekat dengan kuadran terbaik. R4, R6, R7 selalu berada didaerah
kelompok yang dekat dengan kuadran terjelek. Sehingga ada 6 dari 9
spesifikasi kebutuhan pada metode baru yang selalu berada pada daerah spesifikasi kebutuhan pada metode baru yang selalu berada pada daerah
kelompok yang sama.
– Ada kondisi ekstrim pada percobaan 3 kelompok yang ke‐4, dimana R8
menempatip kelompokp pertamap (dalam( percobaanp yangy g lain tidak pernahp
masuk dikelompok pertama), hal ini karena posisi titik pusat kelompok
pertama lebih dekat dengannya, dan masalah ini juga dipengaruhi secara
alami oleh metode fuzzy k‐means yang meletakkan titik awal kelompok secara
acak acak.
Pengujian dan analisis
Pengujian
dan
analisis
• Metode pengujian yang dilakukan adalah studi kasus terhadap metode, titik‐titik yang diuji adalah sebagai berikut :
yang diuji adalah sebagai berikut :
– Melakukan pemeringkatan berdasarkan keuntungan oleh pelanggan dan nilai proyek oleh pengembang dengan metode 100 poin.
– Melakukan pengelompokan dengan k‐means clustering oleh pengembang dengan jumlah kelompok yang diperkirakan secara mandiri oleh pengembang.
– Melakukan pemeringkatan pada sejumlah spesifikasi kebutuhan dalam tiap kelompok berdasarkan metode AHP oleh pelanggan yang didapat dari metode yang lama.
• Pada 10 pelajar sarjana sebagai pengguna dan 1 pelajar master sebagai pengembang.
A li i dil k k d l ji t d i i d l h
• Analisis yang dilakukan dalam pengujian metode ini adalah :
– Jika dalam langkah 3, dengan jumlah perbandingan berpasangan yang sudah dikurangi dari jumlah semula memberikan hasil konsistensi jawaban yang memenuhi syarat dalam AHP yaitu kurang dari 10% maka metode ini dinyatakan berhasil.
Hasil Pengujian pada 1
Pelajar Master
k
k
untuk pemeringkatan sementara
Jumlah
Jumlah pertanyaan yang di l ik Pengembang Jumlah spesifikasi kebutuhan diselesaikan Metode lama (AHP) Metode baru (100 poin) (AHP) (100 poin) 1 9 36 9
Hasil Pengujian pada 10
Pelajar
Sarjana untuk pemeringkatan
Sarjana untuk pemeringkatan
sementara
Pelanggan Jumlah spesifikasi kebutuhan
Jumlah pertanyaan yang diselesaikan
Metode lama Metode baru
1 9 36 9 2 9 36 9 3 9 36 9 4 9 36 9 4 9 36 9 5 9 36 9 6 9 36 9 7 9 36 9 8 9 36 9 9 9 36 9 10 9 36 9
Peringkat Sementara yang
didapat dari
b
Pengembang
S K b t h P i P i k t
Spes. Kebutuhan Poin Peringkat
R1 7 4 R2 1 1 R2 1 1 R3 10 7 R4 30 9 R4 30 9 R5 4 2 R6 25 8 R7 10 6 R8 8 5 R9 5 3
Peringkat oleh 3
Pelanggan dan
d
b
Pasangannya dengan Pengembang
Peringkat oleh pelanggan Pasangan data Spes.
Kebutuhan
c1 c7 c10
d – c1 d – c7 d - c10 poin rank poin rank poin rank
R1 3 1 2 1 3 3 4 - 1 4 - 1 4 - 3 R2 11 6 12 6 10 6 1 - 6 1 - 6 1 - 6 8 2 2 7 8 7 2 7 2 R3 19 8 3 2 0 2 7 - 8 7 - 2 7 - 2 R4 18 7 20 8 9 5 9 - 7 9 - 8 9 - 5 R5 8 4 7 3 4 4 2 - 4 2 - 3 2 - 4 R5 8 7 4 R6 30 9 13 7 18 8 8 - 9 8 - 7 8 - 8 R7 10 5 10 5 0 1 6 - 5 6 - 5 6 - 1 R8 6 3 25 9 40 9 5 - 3 5 - 9 5 - 9 R9 5 2 8 4 16 7 3 - 2 3 - 4 3 - 7
Pengelompokan
pasangan
pengembang
(d)
d
l
1 ( 1)
d 2 k l
k
dengan
pelanggan
1
(c1)
pada
2
kelompok
•
Data dalam
Data
dalam
Di K t Nil i P kkelompok (setelah
kelompok
810
Diagram Keuntungan-Nilai Proyek
R3 R6 2
diperingkat )
:
(1,2,5,8,9)
(3,4,6,7)
4 6 e unt ungan R2 R4 R5 R7 1 2•
Setelah diperingkat :
(2,5,9,8,1)
(6,3,4,7)
0 2 4 6 8 10 0 2 K e R1 R8 R9 1•
Peringkat akhir :
2
5
9
8
1
6
3
4
7
0 2 4 6 8 10 Nilai proyekPengelompokan
pasangan
pengembang
(d)
d
l
1 ( 1)
d 3 k l
k
dengan
pelanggan
1
(c1)
pada
3
kelompok
•
Data dalam kelompok
Data
dalam
kelompok
Di K t Nil i P k
(setelah
kelompok
diperingkat ) : (2 5 7)
8 10Diagram Keuntungan-Nilai Proyek
R3 R6 3
diperingkat
)
:
(2,5,7)
(1,8,9)
(3,4,6)
•
Setelah diperingkat :
4 6 e unt ungan R2 R4 R5 R7 1•
Setelah
diperingkat
:
(2,7,5)
(9,8,1)
(6,3,4)
P i k
khi
2 7 5
00 2 4 6 8 10 2 K e R1 R8 R9 2•
Peringkat
akhir
:
2
7
5
9
8
1
6
3
4
0 2 4 6 8 10 Nilai proyekPeringkat Akhir metode lama
Peringkat
Akhir
metode
lama
•
Jika urutan
10Diagram Keuntungan-Nilai Proyek
Jika
urutan
spesifikasi
kebutuhan dituliskan
6 8 10 an R2 R3 R4 R6kebutuhan
dituliskan
urutan
peringkatnya
: 2 5 9 1 3 7 6 4 8
2 4 6 K e unt ung R2 R5 R7 R8 R9:
2
5
9
1
3
7
6
4
8
0 2 4 6 8 10 0 2 Nilai proyek R1 R9 Nilai proyek Lokasi Req.Hasil
Peringkat
Akhir
Metode
Baru
antara
b
(d) d
l
( )
Pengembang
(d)
dengan
Pelanggan
1
(c1)
J l Jml perbandingan CR
Perc. ke Jml
kel berpasangan
CR
Peringkat akhir
lama baru lama baru
1 2 36 16 0.0130 0.0227 2 5 9 8 1 6 3 4 7 2 2 36 16 0.0130 0.0227 2 5 9 8 1 6 3 4 7 3 2 36 16 0.0130 0.0227 2 5 9 8 1 6 3 4 7 4 2 36 16 0.0130 0.0227 2 5 9 8 1 6 3 4 7 5 2 36 16 0.0130 0.0227 2 5 9 8 1 6 3 4 7 6 3 36 9 0.0130 0.0174 2 7 5 9 8 1 6 3 4 7 3 36 12 0.0130 0.0120 2 5 9 8 1 6 3 4 7 8 3 36 12 0.0130 0.0120 2 5 9 8 1 6 3 4 7 9 3 36 10 0.0130 0.0256 2 7 5 8 9 1 6 3 4 10 3 36 10 0.0130 0.0174 2 7 5 9 8 1 6 3 4 Rata-rata 36.0000 13.3000 0.0130 0.0198 Simpangan baku 0.0000 2.9833 0.0000 0.0048
Rekapitulasi Akhir Perubahan Jumlah
b
d
d
Perbandingan dan CR
Pasangan
Rata-rata jml
perbandingan Rata-rata CR Selisih rata-rata
Persentase selisih (%)
g p g (%)
lama baru lama baru jml pas. CR jml pas. CR
d – c1 36 13.3 0.0130 0.0198 22.7000 -0.0068 63.0556 -52.2308 d – c2 36 13 0.0144 0.0215 23.0000 -0.0071 63.8889 -49.4444 d c2 d – c3 36 13.8 0.0263 0.0178 22.2000 0.0085 61.6667 32.4715 d – c4 36 13.5 0.0208 0.0140 22.5000 0.0068 62.5000 32.8365 d – c5 36 13 0.0202 0.0114 23.0000 0.0088 63.8889 43.5149 d c5 d – c6 36 12.9 0.0585 0.0050 23.1000 0.0536 64.1667 91.5385 d – c7 36 13.2 0.0309 0.0416 22.8000 -0.0107 63.3333 -34.5307 d – c8 36 13.6 0.0418 0.0217 22.4000 0.0202 62.2222 48.2057 d – c8 d – c9 36 12.9 0.0301 0.0150 23.1000 0.0151 64.1667 50.2326 d – c10 36 13 0.0292 0.0097 23.0000 0.0195 63.8889 66.7808 Rata-rata 36 13.22 0.0285 0.0177 22.7800 0.0108 63.2778 22.9374 Rata rata Simpangan baku 0 0.3190 0.0136 0.0100 0.3190 0.0186 0.8862 50.3501
Analisis hasil pengujian
Analisis
hasil
pengujian
•
Jumlah perbandingan berpasangan yang
harus dijawab
oleh pengembang/pelanggan telah berkurang dengan
rata
‐
rata
sekitar 63.28%
dengan simpangan baku
0.89%.
Separuh jumlah yang
p
j
y g
seharusnya dijawab telah
y
j
berkurang sehingga hanya 36.72%
saja yang
harus
dijawab.
Hal
ini sesuai dengan tujuan yang
diharapkan
dalam penelitian ini.
p
•
Dengan pengurangan jumlah perbandingan
berpasangan,
ternyata nilai CR
baru yang
didapatkan
masih kurang dari 10% dengan selisih rata
‐
rata dari CR
masih kurang dari 10%
dengan selisih rata rata
dari CR
yang
lama
adalah 0.0108.
Karena CR
akhir yang
didapatkan masih dibawah 10%
maka metode ini
dianggap berhasil
dianggap berhasil.
Analisis terhadap hipotesis
Analisis
terhadap
hipotesis
• Hipotesis 1
d k l h b d
– H11 : Pada saat penentuan peringkat sementara oleh pengambang dan
pelanggan, hanya menjawab n buah spesifikasi kebutuhan saja, sesuai dengan metode 100 poin.
– Karena H01 benar dan H11 benar, maka hipotesis 1 bernilai benar.
• Hipotesis 2
– H12 : Jumlah R ada 9 maka jumlah jumlah perbandingan berpasangan = 9*(9‐
1)/2 = 36. Jika terbagi menjadi 3 kelompok dengan jumlah data masing‐masing kelompok adalah : 4, 2, 3 ternyata jumlah perbandingan berpasangan yang
h dij b d l h 10 Jik dihi d j l h b di
harus dijawab adalah 10. Jika dihitung dengan rumus, jumlah perbandingan berpasangan yang harus dijawab adalah : (4*(4‐1)/2)+(2*(2‐1)/2)+(3*(3‐1)/2)
= 10. Jumlah perbandingan berpasangan telah berkurang sehingga menjadi
– Karena H02 benar dan H12 benar, maka hipotesis 2 bernilai benar.
∑
k n Ci n Ci −1 2 / ) 1 ) ( )( ( • Hipotesis 3
– H13 : Pembacaan data dalam tiap kuadran dilakukan secara urut kuadran II, III,
I, IV dan rekursif sehingga hasil peringkat kelompok terjadi secara otomatis.
– Karena H03 benar dan H13 benar, maka hipotesis 3 bernilai benar.
=
i 1
Kesimpulan
Kesimpulan
•
Jumlah perbandingan berpasangan yang
harus dijawab
baik oleh pengembang maupun pelanggan dapat
dikurangi dalam jumlah yang
signifikan.
Lebih dari 50%
perbandingan berpasangan dapat dikurangi,
sedangkan
p
g
p
g
p
g
g
hasil pemeringkatannya tetap relevan terhadap
keuntungan dan nilai proyek.
•
Peringkat yang pasti bisa didapatkan dengan
Peringkat yang
pasti bisa didapatkan dengan
menerapkan metode yang
telah diperbaiki ini,
karena
hasil pemeringkatan sementara oleh pengembang dan
pelanggan digabungkan menjadi data yang dapat
pelanggan digabungkan menjadi data
yang
dapat
dikelompok
‐
kelompokkan,
kemudian diperingkat
Saran
Saran
•
Pada saat proses pengelompokan ada
Pada saat proses pengelompokan ada
kemungkinan terjadinya penggabungan kelompok
menjadi satu kelompok,
j
p ,
hal ini dikarenakan
pengaruh metode fuzzy
k
‐
means
yang
memungkinkan terjadinya nilai tak terhingga
pada lokasi koordinat titik pusat kelompok.
•
Jumlah pengujian untuk setiap pasangan
p
g j
p p
g
pengembang dengan pelanggan perlu ditambah
untuk memberikan hasil yang
lebih akurat.
TERIMA KASIH
TERIMA
KASIH
Kajian Pustaka
Kajian
Pustaka
•
Pemeringkatan spesifikasi kebutuhan
Pemeringkatan
spesifikasi
kebutuhan
perangkat
lunak
•
Metode Analytic Hierarchy Process (AHP)
•
Metode
Analytic
Hierarchy
Process
(AHP)
•
100
poin
•
Metode
Pendekatan
Keuntungan
dan
Biaya
•
K
‐
Means
Clusteringg
•
Quadrant
Model
Spesifikasi Kebutuhan
Spesifikasi
Kebutuhan
•
Spesifikasi kebutuhan (requirement) adalah
Spesifikasi
kebutuhan
(requirement)
adalah
atribut
yang
diperlukan
dalam
sistem,
sebuah
pernyataan yang mengidentifikasi
capability
pernyataan
yang
mengidentifikasi
capability
,
characteristic
,
atau
quality
factor
dari
sebuah
sistem dengan tujuan untuk mendapatkan
sistem
dengan
tujuan
untuk
mendapatkan
nilai
dan
utilitas
pada
pelanggan
atau
pengguna
(Ralph R Young 2004)
pengguna
(Ralph
R.
Young,
2004)
Pemeringkatan spesifikasi kebutuhan
k
l
k
perangkat lunak
•
Pemeringkatan spesifikasi kebutuhan digunakan dalam
manajemen produk perangkat lunak untuk menentukan
yang
manakah kandidat spesifikasi kebutuhan produk
perangkat lunak yang
seharusnya dimasukkan dalam
l
t t
t (J K l
& K R
1997)
release
tertentu (J.
Karlsson &
K.
Ryan,
1997).
•
Spesifikasi kebutuhan diprioritaskan untuk meminimalisasi
resiko selama pengembangan sehingga spesifikasi
k b t h
d
k
ti
li
ti
i t
kebutuhan dengan kepentingan yang
paling
tinggi atau
beresiko tinggi diimplementasikan terlebih dahulu.
•
Ada beberapa metode untuk memperkirakan priorotisasi
(
i k t )
ifik i k b t h
k t l
k
(pemeringkatan)
spesifikasi kebutuhan perangkat lunak
yang
ada.
Metode Analytic
Hierarchy
Process
(
)
(AHP)
•
Metode Analytic
etode
a yt c
Hierarchy
e a c y
Process
ocess (
(AHP)
)
merupakan teori umum mengenai pengukuran (T.
L.
Saaty,
1990)
•
AHP
digunakan untuk menurunkan skala rasio
dari beberapa perbandingan berpasangan yang
b
if t di k it
k
ti
P b
di
bersifat diskrit maupun kontinu.
Perbandingan
berpasangan tersebut dapat diperoleh melalui
pengukuran aktual maupun pengukuran relative
pengukuran aktual maupun pengukuran relative
dari derajat kesukaan,
atau kepentingan atau
perasaan.
Skala rasio AHP
Skala
rasio
AHP
Intensitas dari kepentingan pada
skala absolut
Definisi Penjelasan
skala absolut
1 Sama pentingnya Kedua aktifitas menyumbangkan sama pada tujuan
3 Agak lebih penting yang satu
Pengalaman dan keputusan menunjukkan kesukaan atas satu 3
atas lainnya menunjukkan kesukaan atas satu aktifitas lebih dari yang lain 5 cukup penting
Pengalaman dan keputusan menunjukkan kesukaan atas satu aktifitas lebih dari yang lain 7 sangat penting
Pengalaman dan keputusan
menunjukkan kesukaan yang kuat atas satu aktifitas lebih dari yang lain
9 kepentingan yang ekstrim Bukti menyukai satu aktifitas atas yang lain sangat kuat
lain sangat kuat 2,4,6,8 nilai tengah diantara dua nilai
keputusan yang berdekatan Bila kompromi dibutuhkan jika aktifitas i mempunyai nilai
yang lebih tinggi dari aktifitas j berbalikan maka j mempunyai nilai
berbalikan ketika dibandingkan dengan
rasio rasio yang didapat langsung dari pengukuran
100 poin
100
poin
•
Disebut
juga
j g
metode
Cumulative
Voting
g
•
Ada
beberapa
model
:
– Seseorang mempunyai 100 poin dan harus mendistribusikan poin
tersebut pada sejumlah pilihan tersebut pada sejumlah pilihan.
– Ada 100 orang, masing‐masing memberikan satu suara pada sejumlah
pilihan.
•
Langkah
‐
langkah
pemeringkatan
dengan
metode
100P
:
– Memasukkan semua spesifikasi kebutuhan dalam baris.
– Membagie bag se ua po t d a ta a spes semua point diantara spesifikasias ebutu a , kebutuhan, menurute u ut ya g yang
Metode Pendekatan Keuntungan dan
Biaya
•
Pendekatan biaya value
bagus dan secara relatif mudah
untuk digunakan sebagai metode pemeringkatan spesifikasi
kebutuhan produk perangkat lunak.
Pendekatan ini dibuat
oleh Joachim
Karlsson dan Kevin
Ryan
(1997).
•
Ide dasar dalam menentukan setiap kandidat individu
spesifikasi kebutuhan adalah biaya pengimplementasian
spesifikasi kebutuhan dan berapa banyak keuntungan/hasil
did
t d i
ifik i k b t h
yang
didapat dari spesifikasi kebutuhan.
•
Penilaian biaya dan value
untuk spesifikasi kebutuhan
dilakukan menggunakan metode Analitical Hiearchy
P
(AHP)
Process
(AHP).
Langkah pemrioritasan Metode
d k
d
Pendekatan Keuntungan dan Biaya
• Teknisi spesifikasi kebutuhan dengan berhati‐hati me‐review kandidat spesifikasi kebutuhan untuk kelengkapan dan meyakinkan bahwa semua spesifikasi kebutuhan untuk kelengkapan dan meyakinkan bahwa semua telah dinyatakan dalam pernyataan yang tidak ambigus.
• Pelanggan/pengguna (atau perwakilan yang tepat) menerapkan metode perbandingan berpasangan AHP untuk menilai keuntungan relatif dari
k d d f k k b h
kandidat spesifikasi kebutuhan.
• Teknisi perangkat lunak menggunakan perbandingan berpasangan AHP
untuk memperkirakan biaya relatif pengimplementasian kandidat spesifikasi kebutuhan.p
• Teknisi perangkat lunak menggunakan AHP untuk menghitung keuntungan relatif dan biaya implementasi setiap kandidat spesifikasi kebutuhan, dan memetakan keduanya pada diagram biaya‐keuntungan. Keuntungan
diletakkan pada sumbu y diagram dan perkiraan biaya pada sumbu x diletakkan pada sumbu y diagram dan perkiraan biaya pada sumbu x.
• Stakeholder menggunakan diagram biaya‐value sebagai peta konsep untuk analisis dan diskusi kandidat spesifikasi kebutuhan. Sekarang manajer
perangkat lunak memprioritisasi spesifikasi kebutuhan dan memutuskan yang manakah spesifikasi kebutuhan yang akan diimplementasikan
yang manakah spesifikasi kebutuhan yang akan diimplementasikan.
K
‐
Means Clustering
K Means
Clustering
• Dalam statistik dan machine learning, k‐means clustering adalah metode analisis klaster yang mengarah pada pemartisian n obyek pengamatan analisis klaster yang mengarah pada pemartisian n obyek pengamatan kedalam k klaster dimana setiap obyek pengamatan dimiliki oleh sebuah klaster dengan mean terdekat (wikipedia.org, 2010)
• K‐means merupakan salah satu metode pengklasteran data non hirarki
b h d d k d l b k l b h
yang berusaha mempartisi data yang ada ke dalam bentuk satu atau lebih klaster/kelompok. Metode ini mempartisi data ke dalam klaster/kelompok sehingga data yang memiliki karakteristik yang sama dikelompokkan ke
dalam satu klaster yang sama dan data yang mempunyai karakteristik yang
b b d d k l kk k d l k l k l
berbeda dikelompokkan ke dalam kelompok yang lain.
• Adapun tujuan dari pengklasteran data ini adalah untuk
meminimalisasikan fungsi obyektif yang diset dalam proses pengklasteran,
yang pada umumnya berusaha meminimalisasikan variasi di dalam suatu
y g p y
klaster dan memaksimalkan variasi antar kluster.