Oleh :
ARDIANSYAH
G64103031
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
Skripsi
Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer
pada Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Oleh :
ARDIANSYAH
G64103031
DEPARTEMEN ILMU KOMPUTER
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM
INSTITUT PERTANIAN BOGOR
BOGOR
2007
ABSTRAK
ARDIANSYAH. Analisis Metode Analogy Based Estimation Untuk Perkiraan Biaya Perangkat Lunak. Dibimbing oleh WISNU ANANTA KUSUMA dan IRMAN HERMADI.
Dalam proses pengembangan perangkat lunak, perkiraan biaya merupakan hal yang sangat penting. Beberapa metode perkiraan biaya perangkat lunak telah dikembangkan selama beberapa tahun terakhir. Pada penelitian ini, metode yang digunakan untuk memperkirakan biaya perangkat lunak adalah analogy based estimation. Penelitian ini bertujuan menganalisis kinerja metode analogy based estimation dan mengupayakan perbaikan yang dapat meningkatkan kinerjanya. Data yang digunakan dalam penelitian ini adalah kelompok data COCOMO 81 dan mission planning NASA.
Acuan ukuran kinerja yang digunakan adalah Magnitude of Relative Error (MRE), mean MRE (MMRE), median MRE (MdMRE), nilai MRE maksimal (max MRE), nilai MRE minimal (min MRE), dan standar deviasi MRE (SDMRE). Pengujian dilakukan dengan menggunakan atribut ukuran perangkat lunak/lines of code (LOC), menggunakan atribut cost driver, dan menggunakan atribut LOC dan cost driver sekaligus. Hasil pengujian menunjukkan bahwa kinerja terbaik dihasilkan oleh pengujian yang menggunakan LOC. Pada kelompok data COCOMO 81, pengujian dengan ukuran menghasilkan nilai MMRE sebesar 198,121% MdMRE sebesar 79,283%, max MRE sebesar 1.286,170%, min MRE sebesar 1,563%, dan SDMRE sebesar 261,318%. Pada kelompok data mission planning NASA, pengujian dengan ukuran menghasilkan nilai MMRE sebesar 67,781%, MdMRE sebesar 67,055%, max MRE sebesar 190,952%, min MRE sebesar 7,639%, dan SDMRE sebesar 49,608%. dan pred(25) terbaik sebesar 38,889%.
Modifikasi pada metode analogy based estimation dilakukan dengan penerapan peringkat pada perhitungan jarak antar proyek. Hasil pengujian menunjukkan bahwa kinerja metode analogy based estimation menjadi lebih baik dengan penerapan peringkat. Pengujian pada kelompok data COCOMO 81 menghasilkan nilai MMRE sebesar 81,678%, MdMRE sebesar 55,696%, max MRE sebesar 445,745%, min MRE sebesar 1,923%, dan SDMRE sebesar 91,327%. Pengujian pada kelompok data mission planning NASA menghasilkan nilai MMRE sebesar 41,298%, MdMRE sebesar 37,500%, max MRE sebesar 100,000%, min MRE sebesar 0,000%, dan SDMRE sebesar 29,297%.
NRP : G64103031
Menyetujui:
Pembimbing I
Pembimbing II
Wisnu Ananta Kusuma, S.T., M.T.
Irman Hermadi, S.Kom., MS
NIP. 132 312 485 NIP. 132 321 422
Mengetahui:
Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor
Prof. Dr. Ir. Yonny Koesmaryono, MS
NIP. 131 473 999
Penulis dilahirkan di Bogor pada tanggal 24 Maret 1986. Penulis adalah anak kedua dari dua bersaudara pasangan Muhammad Hasjim dan Hj. Rohana.
Pada tahun 2003, penulis menyelesaikan sekolah menengah atas di SMUN 3 Bogor. Pada tahun yang sama, penulis melanjutkan pendidikannya di program studi S1 Ilmu Komputer Departemen Ilmu Komputer Institut Pertanian Bogor melalui jalur USMI (Undangan Seleksi Masuk IPB). Pada tahun 2006, penulis melaksanakan kegiatan Praktik Kerja Lapangan di Badan Koordinasi Survei dan Pemetaan Nasional.
PRAKATA
Alhamdulillahi Rabbil ‘alamin, puji dan syukur Penulis panjatkan kepada Allah SWT atas segala curahan rahmat dan karunia-Nya sehingga skripsi dengan judul Analisis Metode Analogy Based Estimation Pada Perkiraan Biaya Perangkat Lunak ini, dapat diselesaikan. Dalam menyelesaikan karya tulis ini penulis mendapatkan banyak sekali bantuan, bimbingan dan dorongan dari berbagai pihak. Oleh karena itu, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada semua pihak yang telah membantu kelancaran penelitian ini, antara lain kepada:
1. Orangtuaku tercinta, Bapak Muhammad Hasjim dan Ibunda Hj. Rohanah atas segala do’a , kasih sayang, dan dukungan baik dari moril maupun materiil yang telah diberikan selama ini.
2. Tetehku tersayang Rosmeika, Mas Teguh, A’ Otong serta keponakanku Nadia kecil yang memberi tambahan motivasi dalam penyelesaian karya tulis ini.
3. Bapak Wisnu Ananta Kusuma, S.T, M.T selaku pembimbing pertama atas bimbingan dan arahannya selama penyusunan karya tulis ini.
4. Bapak Irman Hermadi S.Kom, M.S selaku pembimbing kedua atas bimbingan dan arahannya selama penyusunan karya tulis ini.
5. Bapak Ir. Agus Buono, M.Si., M.Kom atas kerjasamanya sebagai moderator dan penguji. 6. Anak-anak kosan B’boyz dan Sarang Rayap yang sudah memberikan tumpangan dan
pinjaman fasilitas selama ini.
7. Anizza Restra, Ineza Nur, dan Popi Hariona atas kejasamanya sebagai pembahas.
8. Ghoffar Setiawan, Dona Wirawan, Gemma Ramdan, dan Bayu Himawan selaku teman perjuangan satu bimbingan.
9. Yayan Rukmayana selaku teman satu bimbingan yang telah meminjamkan laptopnya untuk seminar dan sidang.
10. Muhammad Nono atas saran dan bantuannya dalam pengerjaan tugas akhir dan Dhanny Nugraha atas bantuannya dalam pencarian program konversi MS.Excel.
11. Teteh dan adikku di ilkom yang telah memberikan semangat, masukan, dan dukungan serta mendengarkan segala keluh kesah selama ini.
12. Teman - teman ilkom 40 atas kebersamaannya dari awal kuliah sampai sekarang.
13. Sahabat - sahabatku Akbar, Ara, Asep, Borock, Bent, Bowo, Djoen, Ichan, Nano, Noor, Semar, dan Supri yang telah memberikan banyak dukungan selama ini.
Kepada semua pihak lainnya yang telah memberikan kontribusi yang besar selama pengerjaan penelitian ini yang tidak dapat disebutkan satu-persatu, Penulis sampaikan terima kasih banyak. Semoga penelitian ini dapat memberi manfaat.
Bogor, Mei 2007
DAFTAR ISI
Halaman DAFTAR GAMBAR ···v DAFTAR LAMPIRAN···v PENDAHULUAN ···1 Latar Belakang ···1 Tujuan···1 Ruang Lingkup···1 Manfaat···1 TINJAUAN PUSTAKA ···1Perkiraan Biaya Perangkat Lunak ···1
Analogy Based Estimation···2
Cost Driver···2
Model Pengembangan ···3
Evaluasi Model Perkiraan Biaya Perangkat Lunak ···3
METODE PENELITIAN···3
Kerangka Pemikiran···3
Pengumpulan Data ···3
Pengujian dan Analisis ···4
Modifikasi Metode ···4
Perbandingan Metode···4
Lingkungan Pengembangan ···4
HASIL DAN PEMBAHASAN ···4
Pengujian Kelompok Data COCOMO 81···4
Pengujian Kelompok Data Mission planning NASA ···6
Penerapan Peringkat ···8
KESIMPULAN DAN SARAN ···10
Kesimpulan ···10
Saran···10
DAFTAR PUSTAKA ···11
DAFTAR GAMBAR
Halaman
Skema Penelitian ···3
Grafik MRE COCOMO 81 ···5
Grafik MRE Mission Planning NASA···7
Grafik MRE LOC dan Penerapan Peringkat pada COCOMO 81 ···9
Grafik MRE LOC dan Penerapan Peringkat pada Mission Planning NASA ···10
DAFTAR LAMPIRAN
Halaman Flowchart Metode Analogy Based Estimation···13Kelompok Data COCOMO 81 ···14
Kelompok Data Mission Planning NASA ···16
Hasil Pengujian dan Nilai MRE COCOMO 81 ···17
Agregat Galat COCOMO 81 ···18
Hasil Pengujian dan Nilai MRE Mission Planning NASA ···18
Agregat Galat Mission Planning NASA ···19
Flowchart Metode Analogy Based Estimation dengan Penerapan Peringkat ···19
Hasil Pengujian dan Nilai MRE Penerapan Peringkat pada COCOMO 81···20
Agregat Galat Penerapan Peringkat pada COCOMO 81···21
Hasil Pengujian dan Nilai MRE Penerapan Peringkat pada Mission Planning NASA ···21
PENDAHULUAN
Latar Belakang
Perkiraan biaya perangkat lunak sangat penting dalam pengembangan perangkat lunak. Perkiraan yang terlalu kecil dari biaya aktualnya akan mengakibatkan perangkat lunak yang dihasilkan berkualitas rendah. Di sisi lain, perkiraan yang terlalu besar dari biaya aktualnya akan mengakibatkan pemborosan sumber daya yang digunakan.
Untuk membuat perkiraan biaya perangkat lunak yang akurat, beberapa metode pemodelan perkiraan telah dilakukan dan dikembangkan selama beberapa tahun terakhir ini. Analogy-based estimation adalah salah satu metode perkiraan biaya perangkat lunak. Metode ini memanfaatkan data dari proyek yang telah ada secara langsung dan menghitung jarak antara setiap data. Metode ini memiliki beberapa kelebihan, yaitu sederhana, dan dapat cepat diimplementasikan (Al-Sakran 2006). Menurut Schofield dan Shepperd (1996), metode ini tidak memerlukan hubungan statistikal untuk dijalankan, dan mudah untuk dimengerti.
Pada penelitian yang dilakukan oleh Schofield dan Shepperd (1996) , ditemukan bahwa penggunaan nilai rataan biaya pada dua buah proyek sebagai estimasi menghasilkan kinerja yang lebih baik. Pada penelitian itu, kinerja yang dihasilkan oleh metode analogy based estimation mengungguli metode - metode pemodelan algoritmik. Walaupun begitu, kinerja metode tersebut belum terlalu memuaskan secara menyeluruh.
Pada tahun 2001, Idri et al. menggabungkan konsep fuzzy ke dalam metode analogy based estimation untuk menangani data kategorikal. Penelitian yang dilakukan oleh Idri et al. tersebut berhasil meningkatkan kinerja dari metode analogy based estimation.
Pada penelitian kali ini juga akan digunakan metode analogy based estimation untuk perkiraan biaya perangkat lunak. Diharapkan dapat ditemukan ide baru dalam perhitungan jarak sehingga dua proyek dengan jarak atribut terdekat mempunyai biaya yang dekat pula dengan biaya proyek uji.
Tujuan
Tujuan dari penelitian ini adalah menganalisis kinerja metode analogy-based estimation pada perkiraan biaya perangkat
lunak. Penelitian ini juga diharapkan dapat mengusulkan modifikasi metode tersebut.
Ruang Lingkup
Ruang lingkup penelitian ini adalah sebagai berikut :
1. Data yang digunakan untuk pengujian metode analogy-based estimation adalah kelompok data COCOMO 81 dan mission planning NASA
2. Biaya perkiraan ditentukan oleh nilai rataan biaya dari dua buah proyek dengan jarak terdekat.
Manfaat
Penelitian ini diharapkan dapat memberikan manfaat berupa informasi kinerja metode analogy based estimation untuk perkiraan biaya perangkat lunak. Hasil dan saran penelitian dapat dijadikan sebagai pembanding dan pembuka jalan untuk penelitian yang lebih lanjut.
TINJAUAN PUSTAKA
Perkiraan Biaya Perangkat Lunak
Perkiraan biaya perangkat lunak adalah proses memprediksi biaya yang diperlukan dalam pengembangan sistem perangkat lunak (Leung 1990). Menurut Saliu (2003), perkiraan biaya perangkat lunak mengacu pada prediksi jumlah biaya, waktu, dan staffing yang diperlukan untuk membangun sistem perangkat lunak.
Banyak pemodelan perkiraan biaya perangkat lunak yang berdasar pada ukuran perangkat lunak itu sendiri. Menurut Leung (1990), beberapa standar penghitungan ukuran suatu perangkat lunak adalah sebagai berikut : - Lines of code , yaitu pengukurannya berdasarkan banyaknya baris yang ada pada source code-nya. Komentar dan baris kosong tidak diikutkan dalam pengukuran.
- Function point, yaitu pengukurannya berdasarkan fungsionalitas dari program. - Object point, yaitu pengukurannya berdasarkan jumlah objek.
- Feature point, yaitu perluasan dari function point yang mengikutkan algoritma sebagai kelas baru.
- Software science, yaitu pengukuran yang dilakukan berdasarkan rumus metrik yang diusulkan oleh Halstead.
Perkiraan biaya perangkat lunak dapat diklasifikasikan menjadi metode pemodelan algoritmik dan pemodelan non-algoritmik. Pemodelan algoritmik diturunkan dari analisis
(
) (
)
2 2 1 2 2 1 2 2 1a
b
b
...
(
z
z
)
a
E
=
−
+
−
+
+
−
(
)
≠ = = − jk ik jk ik jk ik P P dan l kategorika k jika P P dan l kategorika k jika P P , 1 , 0 δstatistikal dari data proyek terdahulu (Saliu 2003). Contoh pemodelan algoritmik yaitu model linear, model multiplikatif, dan model power-function. Di lain pihak, contoh metode pemodelan non-algoritmik yang ada yaitu expert judgement, Parkinson’s law, dan price to win
Analogy Based Estimation
Proses dalam analogy based estimation adalah karakterisasi dari setiap proyek yang akan diestimasi, mencari proyek yang serupa yang telah diketahui biayanya, dan menggunakan biaya tersebut sebagai estimasi (Rintala et al. 2001). Pada analogy based estimation, proyek baru yang akan diuji dibandingkan atributnya dengan atribut proyek-proyek yang telah dilakukan sebelumnya. Proyek-proyek yang paling serupa akan dipilih untuk proses estimasi (Briand et al. 1999). Prinsip dasar dari metode ini adalah bahwa proyek yang serupa mempunyai biaya yang serupa (Idri et al. 2001).
Proyek analogi dapat dicari dengan menggunakan persamaan jarak Euclidean n-dimensi di mana setiap n-dimensi mewakili satu atribut. Nilai setiap dimensi dinormalisasi sehingga memberikan kontribusi yang sama dalam proses pencarian proyek analogi (Schofield dan Shepperd 1996). Persamaannya adalah sebagai berikut :
...(1) di mana E adalah jarak Euclidean, serta a,b,dan z adalah atribut proyek 1 dan 2 yang sudah dinormalisasi.
Selisih/jarak antar atribut pada persamaan 1 tidak dapat diterapkan pada data bertipe kategorikal seperti very low-low- high atau small-large. Untuk jarak antar atribut yang bertipe kategorikal, digunakan persamaan sebagai berikut (Briand et al. 1999):
..(2)
di mana k adalah atribut proyek, jarak(Pi,Pj)
adalah jarak dari proyek i dengan proyek j, n adalah jumlah atribut proyek, dan δ(Pik,Pjk)
adalah jarak atribut proyek i dengan proyek j. Proyek yang memiliki jarak terkecil akan dipilih sebagai proyek analogi yang dijadikan dasar untuk perkiraan biaya proyek baru. Untuk lebih jelasnya dapat dilihat flowchart pada Lampiran 1.
Cost Driver (CD)
Cost driver (CD) adalah faktor-faktor tambahan yang mempengaruhi biaya dalam pengembangan perangkat lunak ( Saliu 2003 ). Daftar CD dapat dilihat pada Tabel 1.
Tabel 1 Daftar CD( Saliu 2003)
Kategori CD Simbol Produk Keandalan perangkat lunak Rely Ukuran basis data Data Kompleksitas produk Cplx Platform Batasan waktu eksekusi Time Batasan tempat penyimpanan utama Stor
Mesin virtual Virt Waktu turnaround komputer Turn Personil Kemampuan analis Acap Pengalaman dalam aplikasi Aexp Kemampuan programmer Pcap Pengalaman dalam mesin virtual Vexp Pengalaman dalam bahasa pemrograman Lexp Proyek Penggunaan program modern Modp Penggunaan peralatan perangkat lunak Tool
i i i i aktual biaya estimasi biaya aktual biaya MRE = −
∑
− = i i i i aktual biaya estimasi biaya aktual biaya N MMRE 1 Kategori CD Simbol Jadwal pengembangan yang diperlukan Sced Model PengembanganAda tiga macam model pengembangan dalam perkiraan biaya perangkat lunak, yaitu (NASA 2005) :
1. Organik
Dalam model organik, perangkat lunak dikembangkan oleh tim kecil yang terdiri dari orang-orang yang berpengalaman dalam sistem terkait.
2. Semidetached
Model pengembangan semidetached merepresentasikan tingkat pertengahan di antara organik dan embedded. Model ini bisa berupa karakteristik tingkat pertengahan atau campuran dari karakteristik organik dan embedded.
3. Embedded
Faktor utama yang membedakan model embedded dengan model lainnya adalah perlunya dioperasikan dengan batasan yang ketat. Produk harus dioperasikan dalam hubungan perangkat keras, perangkat lunak, regulasi, dan prosedur operasional yang kuat. Evaluasi Model Perkiraan Biaya Perangkat Lunak
Standar untuk evaluasi model perkiraan biaya perangkat lunak adalah Magnitude of Relative Error (MRE) (Briand et al. 1998).
...(3) MRE dihitung untuk setiap pengujian i yang biayanya telah diperkirakan. Agregat nilai MRE pada banyak pengujian, misal N, dapat diperoleh melalui Mean MRE (MMRE) (Briand et al. 1998).
...(4) Nilai MMRE sensitif pada pengujian individual yang memiliki MRE yang sangat besar. Untuk itu, agregat yang tidak sensitif pada nilai pencilan besar perlu digunakan, yaitu median dari MRE pada N pengujian (MdMRE) (Briand et al. 1998). Pengukuran lainnya adalah MRE minimal (min MRE), MRE maksimal (max MRE), dan standar deviasi MRE (SDMRE) (Idri et al. 2001). Pengujian dapat dikatakan makin baik jika
nilai MRE, MMRE, MdMRE, min MRE, max MRE, dan SDMRE-nya makin kecil.
METODE PENELITIAN
Kerangka Pemikiran
Penelitian ini terdiri atas beberapa langkah seperti yang ditunjukkan oleh skema penelitian pada Gambar 1.
Gambar 1. Skema Penelitian
Pengumpulan data
Data yang dipakai pada penelitian ini adalah kelompok data COCOMO 81 dan mission planning NASA yang didapat dari situs promise repository. Kelompok data COCOMO 81 berasal dari jurnal Boehm pada tahun 1981 yang berjudul software engineering economics. Kelompok data ini terdiri dari 17 atribut , yaitu 15 jenis CD yang bertipe numerik, ukuran dari proyek dalam satuan 1000 lines of code (KLOC), dan biaya aktual proyek dalam satuan person months (PM). Daftar atribut untuk kelompok data COCOMO 81 dapat dilihat pada Lampiran 2.
Kelompok data mission planning NASA berasal dari proyek-proyek NASA dari tahun 1977 sampai 1985. Kelompok data ini juga terdiri dari 17 atribut utama, yaitu 15 jenis CD yang bertipe kategorikal, ukuran dari proyek dalam satuan 1000 lines of code (KLOC), dan biaya aktual proyek dalam satuan person months (PM). Kelompok data ini mempunyai tujuh atribut tambahan sebagai identitas proyek termasuk model pengembangan dan jenis proyek yang sama. Dengan adanya
atribut-atribut tersebut, maka kelompok data ini terklasifikasi lebih baik daripada kelompok data COCOMO 81. Daftar atribut utama untuk kelompok data mission planning NASA dapat dilihat pada Lampiran 3.
Pengujian dan Analisis
Pengujian metode analogy based estimation dilakukan berdasarkan kelompok data. Pada setiap kelompok data, secara bergantian akan dipilih satu proyek menjadi proyek uji dan sisanya menjadi calon proyek analogi. Atribut yang dipakai dalam perhitungan jarak adalah ukuran perangkat lunak (LOC) dan 15 jenis CD. Dua proyek yang mempunyai jarak terdekat dengan proyek uji akan dijadikan sebagai proyek analogi. Nilai perkiraan biaya pada proyek uji akan diambil dari rataan biaya aktual pada dua proyek analogi tersebut. Proses tersebut dilakukan terus - menerus sampai seluruh data dalam kelompok telah diperkirakan biayanya. Hasil dari pengujian akan menghasilkan perkiraan besar biaya yang diperlukan dalam pengembangan perangkat lunak. Untuk dapat dievaluasi, hasil pengujian tersebut dibandingkan dengan besar biaya aktual menggunakan MRE. Setelah itu dihitung ataupun dicari nilai MMRE, min MRE, max MRE, MdMRE, dan SDMRE.
Modifikasi Metode
Hasil analisis yang diperoleh akan dijadikan acuan untuk modifikasi metode analogy based estimation yang baru. Metode baru tersebut kemudian diuji dan dianalisis dengan data dan mekanisme yang sama.
Perbandingan Metode
Perbandingan metode analogy based estimation dengan modifikasinya dilakukan berdasarkan nilai MRE, MMRE, min MRE, max MRE, MdMRE, dan SDMRE. Makin kecil nilai - nilai tersebut, maka makin baik kinerja metodenya.
Lingkungan pengembangan
Perangkat lunak yang digunakan dalam penelitian ini adalah sebagai berikut :
• Microsoft Windows XP 2003
• Microsoft Internet Explorer 6.0
• Apache 1.3.23
• MySql 3.23.47
• PHP (PHP Hypertext Preprocessor) 4.1.1 . Di sisi lain, perangkat keras yang digunakan adalah sebagai berikut :
• PC Intel Pentium IV 2.4 GHz
• DDRAM 512 GB
• harddisk dengan kapasitas 200 GB
• VGA GeForce 4 MX 64 MB
• monitor VGA dengan resolusi 1024x768 pixel
• eyboardk
• mouse.
HASIL DAN PEMBAHASAN
Pada penelitian ini akan dilakukan pengujiandananalisissetiapkelompokdata secara bergantian. Pengujian pertama dilakukan pada data COCOMO 81. Selanjutnya pengujian dilakukan pada data mission planning NASA.Proses penarikan analogi dilakukan dengan tiga tahap, yaitu membandingkan jarak LOC pada setiap proyek, membandingkanjarakCDpadasetiapproyek, danmembandingkanjarakLOC danCD pada setiapproyek. Sesuaidengan hasil percobaan Schofield danShepperd(1996),rataanbiayaaktualdari duaproyek yang mempunyaijarakterdekat dengan proyek uji akan dijadikan sebagai perkiraanbiayauntukproyekuji.
Pengujian dan Analisis Kelompok Data COCOMO 81 KelompokdataCOCOMO 81terdiriatas 63 proyek. Seluruh proyek dikenakan pengujian,sehinggapadakelompokdataini terdapat63pengujian.Karenasetiapatribut pada COCOMO 81 bukan kategorikal, pengujiannyadilakukandenganmenggunakan persamaanEuclidean distance. Galatpadatiappengujiandihitungdengan menggunakan MRE. Setelah dihitung nilai MRE pada seluruh pengujian, dihitung MMRE,MdMRE,maxMRE,minMRE,dan SDMRE. Hasil pengujian dan nilai MRE dapat dilihat pada Lampiran 4. Nilai galat lainnyadapatdilihatpadaLampiran5.Grafik MRE untuk semua tahap pengujian dapat dilihatpadaGambar2.
0 500 1000 1500 2000 2500 3000 3500 4000 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 Pengujian MR E ( % )
LOC CD LOC & CD Gambar2GrafikMRE COCOMO 81 PadaGambar2terlihatbahwanilaiMRE dari keseluruhan pengujian dengan LOC cenderunglebihkecildibandingkeduatahap pengujian lainnya. Hal tersebut diperkuat olehnilairata-ratadanmedianMRE dari pengujiandenganmenggunakanLOC yang masing – masing sebesar 198,12% dan 79,28%.Nilairata–ratadanmedianMRE tersebutlebihkeciljikadibandingkanrata– rata dan median MRE pada pengujian menggunakan CD, yaitu 550,71% dan 105,06%,danrata–ratasertamedianMRE padapengujianmenggunakanLOC danCD sekaligus yang sebesar 492,58% dan 94,28%.Perbedaanantaranilairata–rata MRE dengannilaimedianMRE disebabkan oleh terdapatnya beberapa nilai pencilan tinggi pada pengujian menggunakan LOC yang cukup mempengaruhi besarnya nilai rata–rataMRE.Halyangsamaterjadipada kedua tahap pengujian lainnya. Bahkan dapat dilihat pada Gambar 2, pencilan -pencilantinggipadakeduatahappengujian lain jumlahnya lebih banyak dan nilainya lebihbesardibandingkandenganpencilan– pencilan tinggi pada tahap pengujian menggunakanLOC. Nilai MRE maksimal baik pada pengujianmenggunakanCD maupunpada pengujian menggunakan LOC dan CD sekaligus yang besarnya 3.483,33% juga jauh lebih besar daripada nilai MRE maksimal pada pengujian dengan menggunakan LOC yang besarnya 1.286,17%.Haltersebutmenyatakanbahwa pengujianmenggunakanCD danpengujian menggunakan LOC dan CD sekaligus mempunyairesiko yang jauhlebihbesar dibandingkanpengujianmenggunakanLOC. Dapat dikatakan bahwa nilai MRE pada pengujiandenganmenggunakanLOC lebih stabildibandingkandengannilaiMRE pada keduatahappengujianlainnya.Dengannilai –nilaiMRE yangcenderunglebihkecildan jugalebihstabil,makadapatdisimpulkan bahwa pada kelompok data ini pengujian dengan menggunakan LOC menghasilkan kinerjayangpalingbaikdiantaraseluruh tahappengujianyangtelahdilakukan. Jikadiamatiperbandinganantaragrafik MRE pada pengujian yang menggunakan CD dengan grafik MRE pada pengujian yangmenggunakanLOC danCD sekaligus padaGambar2,terlihatjelasbahwakedua grafik tersebut tidak jauh berbeda. Tampaknya pada pengujian dengan menggunakan ukuran perangkat dan CD sekaligus, CD jauh lebih mempengaruhi hasilpengujiandaripada LOC itu sendiri. HaltersebutterjadikarenaCD terdiridari15 peubah yang berbeda, sedangkan LOC hanya satu peubah. Dengan adanya normalisasi dan pembobotan yang sama padatiappeubah,makaperbandinganLOC denganCD dalam perhitunganjarakadalah satu berbanding lima belas. Perbandingan
yang sangat jauh tersebut sudah menunjukkandenganjelasbetapakecilnya pengaruhdariLOC dalam perhitunganjarak. DapatdilihatsecararincipadaLampiran 4, hanya ada delapan pengujian yang membedakan antara grafik MRE pada pengujian yang hanya menggunakan CD dengan grafik MRE pad pengujian yang menggunakan LOC dan CD sekaligus. Kedelapan pengujian tersebut adalah pengujianke-2, pengujian ke-3,pengujian ke-19, pengujian ke-21, pengujian ke-25, pengujian ke-36, pengujian ke-37, dan pengujian ke-51. Dari delapan pengujian tersebut, pengujian dengan menggunakan LOC danCD sekaliguscenderunglebihbaik daripada pengujian dengan hanya menggunakan CD. Hal tersebut menunjukkanbahwaukuranperangkatyang hanyamewakiliseperlimabelasbagiandari rumus perhitungan jarak masih dapat memberikan pengaruhnya pada delapan pengujiantersebut. Dapatdikatakanbahwapadakelompok pertama ini, penambahan LOC pada pengujiandenganhanyamenggunakanCD tidakbanyakmempengaruhihasilpengujian danhanyaadasedikitpeningkatankinerja. Namun penambahan CD pada pengujian dengan hanya menggunakan LOC justru akan membuat kinerja pengujian menjadi turun drastis dengan nilai-nilai pencilan yangsemakin besar.Terlihatbahwapada pengujiandengan menggunakan LOC dan CD sekaligus,nilaikelimabelasCD lebih mendominasihasilpengujiandaripadasatu nilaiLOC,padahalpengujiandenganhanya menggunakanCD sendirisangatlahburuk. Hal itulah yang menjadi penyebab menurunnya kinerja pengujian tersebut dibandingkandenganpengujianyanghanya menggunakanLOC.
Pengujian dan Analisis Kelompok Data Mission planning NASA
Kelompokdatamission planning NASA terdiriatas18proyek.Semuaproyekpada kelompokdatainimempunyaijenisproyek yangsama,yaitumission planning.Semua proyek ini juga memiliki mode pengembangan yang sama, yaitu semidetached. Dengan jenis proyek dan modepengembanganyangsama,kelompok datainitelahmemenuhiprinsipdasardari metode analogy-based estimation yaitu ”proyekyangserupamempunyaibiayayang serupa”. Selain itu, kesamaan pada jenis proyekdanmodelpengembanganmembuat kelompokdatainijugaterklasifikasilebih baikdaripadakelompokdataCOCOMO 81 yang tidak memiliki keterangan jelas mengenai jenis proyek maupun model pengembangannya. AtributCD padakelompokinibertipe kategorikal, sedangkan LOCnya bertipe numerik. Untuk itu, pengujian ini menggunakanduapersamaanberbeda,yaitu persamaan kategorikal untuk CD dan persamaanEuclidean distanceuntukLOC.
Galatpadatiaphasilpengujiankemudian dihitung dengan menggunakan MRE. Setelah semua MRE pengujian dihitung, selanjutnyadihitungataupundicarinilaimin MRE,max MRE, MMRE, MdMRE, dan SDMRE .HasildannilaiMRE pengujian dapatdilihatpadaLampiran6.Nilaigalat lainnya dapat dilihat pada Lampiran 7. Untuk grafik perbandingan MRE pada ketiga tahap pengujian, disediakan grafik MRE yang dapat dilihat pada Gambar3.
0 200 400 600 800 1000 1200 1400 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Pe ngujian MRE ( %)
LOC CD LOC & CD
Gambar3GrafikMRE Mission PlanningNASA
Pada Gambar 3 terlihat bahwa grafik MRE padapengujiandenganmenggunakan LOC lebih stabil dibandingkan dengan grafikMRE tahappengujianlainnya.Hanya terdapat2nilaipencilanbesarpadatahap pengujian tersebut di mana nilai maksimalnyaterjadipadapengujianke-14. Nilai MRE pada pengujian ke-14 tidak terlalu besar dibandingkan pengujian lainnya, sehingga tidak terlalu merusak kestabilangrafikMRE padatahappengujian tersebut.Halyangberbedaditunjukkanoleh grafik MRE pada kedua tahap pengujian lainnya. Pada pengujian dengan menggunakan CD, terdapat lima nilai pencilanbesardi manatigadiantaranya, yang terdapat pada pengujian ke-5, pengujianke-13,danpengujianke-16,jauh melebihi nilai MRE pengujian lainnya. Ketiga pencilan besar tersebut sangat merusakkestabilangrafikMRE padatahap pengujiantersebut.Padapengujiandengan menggunakan seluruh atribut, terdapat empatnilaipencilanbesardimanaduadi antaranya,yangterdapatpadapengujianke -13danpengujianke-16,jauhmelebihinilai MRE pengujian lainnya. Kedua pencilan besar tersebut sangat merusak kestabilan grafikMRE padatahappengujiantersebut. Yangperludiperhatikanpadapengujian dengan menggunakan LOC dan CD sekaligusadalahterdapatnyapengujianyang memilikinilaiMRE sebesar 0,00%. Nilai MRE yangterjadipadapengujianke-5itu sangatistimewa,karenaituberartitidakada galatsamasekalipadapengujiantersebut. Hallainyangperludiperhatikanadalahnilai medianMRE-nya.Nilairata–rata MRE-nyasebesar159,09% memanglebihbesar daripada nilai rata – rata MRE sebesar 67,78% padapengujianmenggunakanLOC, akantetapinilaimedianMRE-nyasebesar 46,79% justrusedikitlebihkecildaripada nilai median MRE pada pengujian menggunakan LOC yang besarnya adalah 67,06%.Ituberartipengujianmenggunakan LOC danCD sekaligusmenghasilkanlebih banyak nilai MRE yang rendah. Hal itu dapat juga diamati dari grafik MRE-nya padaGambar3.Walaupunpengujianyang menggunakan LOC dan CD sekaligus memilikilebihbanyakpengujianyangnilai MRE-nya kecil dibandingkan pengujian yang menggunakan LOC, namun adanya dua pencilan yang sangat besar membuat kinerjatahappengujianmenggunakanLOC dan CD sekaligus ini masih kurang baik dibandingkantahappengujianmenggunakan LOC. Jikadiamatiperbandinganantaragrafik MRE pada pengujian yang menggunakan LOC danCD sekaligusdengangrafikMRE pada kedua tahap pengujian lainnya pada Gambar3,terlihatjelasbahwagrafikMRE padatahappengujianinimemilikibanyak kesamaan dengan grafik MRE pada pengujian yang menggunakan CD. Lebih jelasnya dapat dilihat lebih rinci pada Lampiran6,dimanaterdapat10pengujian padakeduatahappengujiantersebutyang memilikinilaiMRE samayaitupengujian ke-1, pengujian ke-2, pengujian ke-3, pengujianke-7, pengujian ke-9,pengujian ke-10, pengujian ke-11, pengujian ke-12, pengujianke-14,danpengujianke-18.Sama seperti pada kelompok data pertama, tampaknya pada pengujian dengan menggunakan ukuran perangkat dan CD
sekaligus, CD jauh lebih mempengaruhi hasil pengujiandaripada LOC itu sendiri. HaltersebutterjadikarenaCD terdiridari15 peubah yang berbeda, sedangkan LOC hanya satu peubah. Dengan adanya normalisasi dan pembobotan yang sama padatiappeubah,makaperbandinganLOC denganCD dalam perhitunganjarakadalah satu berbanding lima belas. Perbandingan yang sangat jauh tersebut sudah menunjukkandenganjelasbetapakecilnya pengaruhdariLOC dalam perhitunganjarak. Penerapan Peringkat Hasilyangdiinginkandalam pengujian iniadalahpenggabungannilaiCDdanLOC dapat meningkatkan kinerja secara keseluruhan.Untukitu,diperlukanproporsi yang tepat dalam penggabungan kedua macam atributtersebut.Penggunaanmetode lama yang tanpa bobot atau bobotnya disetarakan bukan merupakan solusi yang tepat karenanilai dari15 jenisCDlebih cenderung mendominasi. Beberapa penelitianterbarutelahmenggunakanbobot berbedapadamasing-masingatributseperti yangdiusulkanolehStensruddanMyrtveit (Rintala et al. 2001). Metode tersebut memerlukan analisis lebih lanjut dalam penentuanbobotmasing-masingatribut. Pada penelitian ini digunakan metode alternatif baru untuk menanggulangi kelemahan metode lama. Metode ini merupakansedikitmodifikasidari metode analogy based estimation. Metode ini didasarkan dari adanya urutan kedekatan jarak pada setiap proyek. Baik pada pengujianmenggunakanLOC maupunCD pastiterdapaturutankedekatanjarakproyek. Urutankedekatanproyekinimengabaikan besarkecilnyaselisihjarakantarperingkat dan antar pengujian. Dengan menerapkan peringkat sebagai ukuran penghitungan jarak, diharapkantidak ada dominasidari atribut tertentu sehingga penggabungan perangkatlunakdanCD dapatmenghasilkan nilaiyanglebihbaik. Prinsip penerapan peringkat pada metodeanalogy based estimation adalah sebagaiberikut: 1.Jarak LOC proyek uji dengan calon proyekanalogidihitungsecaraterpisah. 2. Calon proyek analogi kemudian diurutkan berdasarkan jaraknya dari yangterkecilsampaiyangterbesar. 3.Proyek analogi dengan jarak terkecil menempatiperingkatke-1.Makinbesar jaraknya, maka peringkatnya makin bertambah. 4.Penerapan peringkat juga dilakukan padaCD denganmekanismeyangsama. 5.Peringkat LOC dijumlahkan dengan peringkat CD menghasilkan peringkat total. 6.Dua proyek yang memiliki peringkat total terkecil dipilih sebagai proyek analogi. Untuklebihjelasnyadapatdilihatflowchart padaLampiran8. Untuk menguji kinerja metode ini, digunakan kelompokdata dan mekanisme pengujian yang sama seperti sebelumnya agarhasilnyadapatdibandingkan.Pengujian pertama dilakukan pada kelompok data COCOMO 81. Galat pada tiap hasil pengujian kemudian dihitung dengan menggunakan MRE. Setelah semua MRE pengujiandidapat, selanjutnyadihitungmin MRE,max MRE, MMRE, MdMRE, dan SDMRE. Hasil pengujian dan nilai MRE dapatdilihatpadaLampiran9,sedangkan nilaigalatlainnyadapatdilihatdapatdilihat padaLampiran10.Untukmembandingkan langsung kinerja penerapan peringkat ini dengan pengujian sebelumnya, disediakan grafikperbandinganMRE antarapenerapan peringkat dengan penggunaan perangkat lunak yang merupakan tahap pengujian terbaik pada metode sebelumnya. Grafik MRE tersebutdapatdilihatpadaGambar4.
0 200 400 600 800 1000 1200 1400 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 Pengujian M R E ( % )
LOC Penerapan Peringkat
Gambar4GrafikMRE LOC danpenerapanperingkatpadaCOCOMO 81
PadaGambar4terlihatbahwanilaiMRE daripengujiandenganpenerapanperingkat cenderunglebihkecildibandingpengujian denganLOC.GrafikMRE padapengujian dengan penerapan peringkat juga terlihat lebih stabil dibandingkan dengan grafik MRE padapengujiandenganmenggunakan LOC. Terdapat beberapa nilai pencilan tinggi pada pengujian dengan penerapan peringkat. Nilai-nilai pencilan tinggi pada pengujian dengan penerapan peringkat masihlebihjauhlebihrendahdibandingkan dengan nilai-nilai pencilan tinggi pada pengujiandengan menggunakanperangkat lunak.Untuklebihrincinyadapatdilihat pada Lampiran 10. Nilai MRE maksimal pengujiandenganpenerapanperingkatjuga jauh lebih kecil daripada nilai MRE maksimal pada pengujian dengan menggunakanLOC.Rata–ratadanmedian MRE pada pengujian menggunakan penerapan peringkat sebesar 81,68% dan 55,70% jugalebihkecildibandingkanrata– rata dan median MRE pada pengujian denganmenggunakanLOC.Walaupunpada metode sebelumnya pengujian dengan menggunakanLOC mempunyairesikoyang lebih kecil serta kinerja yang lebih baik daripada semua tahap pengujian, tahap pengujian tersebut masih kurang baik dibandingkan dengan pengujian menggunakanpenerapanperingkat. Secara keseluruhan, untuk pengujian dengan menggunakan kelompok data COCOMO 81, penerapan peringkat pada metodeanalogy based estimation ini menunjukkankinerjayanglumayanbaik. Walaupunnilaigalatyangdihasilkanmasih terbilang besar, namun metode rating ini dapat menggabungkanpengaruhLOC dan CD hinggamencapaihasilyanglebihbaik daripadametodesebelumnya. Penerapan peringkat pada metode analogy based estimationinijugadiujipada kelompok datamission planning NASA dengan menggunakan mekanisme yang sama. Galat pada tiap hasil pengujian kemudian dihitung dengan menggunakan MRE.Setelahsetiappengujiandihitungnilai MRE,selanjutnyadihitungnilaiminMRE, maxMRE,MMRE,MdMRE,danSDMRE. HasilpengujiandannilaiMRE dapatdilihat pada Lampiran 11, sedangkan nilai galat lainnya dapat dilihat dapat dilihat pada Lampiran 12. Untuk membandingkan langsung kinerja penerapan peringkat ini dengan pengujian sebelumnya, disediakan grafikperbandinganMRE antarapenerapan peringkat dengan penggunaan perangkat lunak yang merupakan tahap pengujian terbaik pada metode sebelumnya. Grafik MRE tersebutdapatdilihatpadaGambar5.
0 50 100 150 200 250 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 Pengujian MR E (% )
LOC Penerapan Peringkat
Gambar5GrafikMRE LOC danpenerapanperingkatpadamission planningNASA
PadaGambar5terlihatbahwanilaiMRE daripengujiandenganpenerapanperingkat cenderunglebihkecildibandingpengujian denganLOC.GrafikMRE padapengujian dengan penerapan peringkat juga masih lebih stabil dibandingkan dengan grafik MRE padapengujiandenganmenggunakan LOC. Kedua nilai pencilan tinggi pada pengujianmenggunakanLOC terlihatsangat jelaspadagrafiknyadiGambar5.Kedua nilai pencilan tinggi tersebut lebih besar daripada nilai MRE maksimal pada pengujiandenganpenerapanperingkat. Sama seperti pengujian menggunakan LOC danCD sekaligus,pengujiandengan penerapanperingkatinijugamenghasilkan nilai MRE sebesar0,00% padapengujian ke-5.Nilairata–ratadanmedianMRE pada pengujian dengan penerapan peringkat ini merupakanyangterbaikdarisemuatahap pengujianyangtelahdilakukansebelumnya, yaitusebesar41,30% dan37,50%. Secara keseluruhan, pada pengujian dengan menggunakan kelompok data mission planning NASA ,metodepenerapan peringkatinijugamenunjukkankinerjayang lebih baik dari metode sebelumnya. Berkurangnya pencilan dan nilai MRE maksimalmembuatresikoperkiraanbiaya yangterlaluberlebihansemakinberkurang.
KESIMPULAN DAN SARAN
Kesimpulan Padapengujiandenganmetode analogy based estimation,dapatdilihatbahwahasil terbaikpadakelompokdataCOCOMO 81 ditunjukkanapabilahanyadigunakanLOC dalam pengujian.Padapengujiankelompok dataCOCOMO 81menggunakanLOC,nilai rata–rataMRE sebesar198,12% dengan median 79,28%. Pada kelompok data mission planning NASA,nilairata–rata MRE pengujianmenggunakanLOC sebesar 67,78% merupakanyangterbaikdarisemua tahap pengujian. Untuk median MRE, pengujiandengan menggunakan LOC dan CD sekaligus menghasilkan nilai yang terbaikyaitusebesar46,79%. Pada pengujian metodeanalogy based estimation dengan penerapan peringkat, untukkelompokdataCOCOMO 81 nilai rata–rataMRE sebesar81,68% dannilai mediannyasebesar55,70%.Padapengujian untuk kelompok datamission planning NASA, nilai rata – rata MRE sebesar 41,30% dan nilai mediannya sebesar 37,50%. Secara keseluruhan, pengujian pada metode penerapan peringkat ini memberikanhasilyanglebihbaikdaripada hasilpengujianmetodesebelumnya. Saran Beberapa saran untuk penelitian selanjutnyaadalah: 1.Pengujiandilakukandengankelompok -kelompok data lain. Sebaiknya semua proyekpadatiapkelompokdataberasal dariperusahaanyangsama. 2.Metode penerapan peringkat pada metodeanalogy based estimation dapat digabungkandenganmetodelainseperti penerapanbobotataupunprinsipfuzzy. 3. Untukperhitunganbiaya,dapatdicoba interpolasi dari beberapa biaya proyek terdekat atau diterapkan pembobotan yang berbeda pada tiap biaya proyek terdekat.
DAFTAR PUSTAKA
Al-Sakran, Hasan. 2006.Software CostEstimation Model Based on Integration of Multi-agent and Case-Based Reasoning.Journalof ComputerScience2.ISSN,3:276 -282. http://www.scipub.org/fulltext/jcs/j cs23276-282.pdf[20Juni2006] Briand,Lionel.etal.1999.An Assessment
and Comparison of Common Software Cost Estimation Modeling Techniques.InternationalSoftware Engineering Network Technical Report. http://coblitz.codeen.org:3125/cites eer.ist.psu.edu/cache/papers/cs/291 6/http:zSzzSzwww.iese.fhg.dezSzI SERNzSzpubzSztechnical_reportsz Szisern-98 -27.pdf/briand99assessment.pdf[20 Juni2006]
Idri,Ali.etal.2001.Fuzzy Analogy : A New Approach for Software Cost Estimation.InternationalWorkshop on Software Measurement. Montreal, Canada. http://www.gelog.etsmtl.ca/publicat ions/pdf/670.pdf[20Juni2006] Leung, Hareton. dan Zhang Fan.2001.
Software Cost Estimation. Departement of Computing, The HongKongPolytechnicUniversity. http://paginaspersonales.deusto.es/c ortazar/doctorado/articulos/leung -handbook.pdf[20Juni2006] NASA Cost Estimating Web Site.2005. http://cost.jsc.nasa.gov/COCOMO. html Promise Software Engineering Repository data set. 2004. http://promise.site.uottawa.ca/SERe pository[21Desember2006] Rintala, Kai. et al. 2001.Analogy Based
Estimation in Building Services. Construction Informatics Digital Library. http://itc.scix.net/data/works/att/w7 8-2001-74.content.pdf [21 Desember2006] Saliu, Moshood Omolade.2003.Adaptive Fuzzy Logic Based Framework For Software Development Effort
Prediction. King Fahd University ofPetroleum & Minerals.
Shepperd,M.danSchofield,C.1996.Effort Estimation using Analogy. Proceedings of the 18th International Conference on Software Engineering. Berlin, Germany. http://delivery.acm.org/10.1145/23 0000/227758/p170 -shepperd.pdf?key1=227758&key2= 8475863711&coll=&dl=ACM&CF ID=15151515&CFTOKEN=61846 18[24Januari2007]
Lampiran1Flowchart metode analogy based estimation
Atribut proyek uji Atribut proyek lain
Menghitung jarak antar atribut proyek Mengurutkan proyek berdasarkan jarak antar atribut Memilih 2 proyek dengan jarak terdekat Menghitung rata-rata biaya aktual 2
proyek sebagai biaya estimasi Semua proyek sudah terambil tidak ya
Lampiran2KelompokdataCOCOMO 81
No Rely Data Cplx Time Stor Virt Turn Acap Aexp Pcap Vexp Lexp Modp Tool Sced LOC (KLOC) Aktual (PM)
1 0,88 1,16 0,70 1,00 1,06 1,15 1,07 1,19 1,13 1,17 1,10 1,00 1,24 1,10 1,04 113,00 2040,00 2 0,88 1,16 0,85 1,00 1,06 1,00 1,07 1,00 0,91 1,00 0,90 0,95 1,10 1,00 1,00 293,00 1600,00 3 1,00 1,16 0,85 1,00 1,00 0,87 0,94 0,86 0,82 0,86 0,90 0,95 0,91 0,91 1,00 132,00 243,00 4 0,75 1,16 0,70 1,00 1,00 0,87 1,00 1,19 0,91 1,42 1,00 0,95 1,24 1,00 1,04 60,00 240,00 5 0,88 0,94 1,00 1,00 1,00 0,87 1,00 1,00 1,00 0,86 0,90 0,95 1,24 1,00 1,00 16,00 33,00 6 0,75 1,00 0,85 1,00 1,21 1,00 1,00 1,46 1,00 1,42 0,90 0,95 1,24 1,10 1,00 4,00 43,00 7 0,75 1,00 1,00 1,00 1,00 0,87 0,87 1,00 1,00 1,00 0,90 0,95 0,91 0,91 1,00 6,90 8,00 8 1,15 0,94 1,30 1,66 1,56 1,30 1,00 0,71 0,91 1,00 1,21 1,14 1,10 1,10 1,08 22,00 1075,00 9 1,15 0,94 1,30 1,30 1,21 1,15 1,00 0,86 1,00 0,86 1,10 1,07 0,91 1,00 1,00 30,00 423,00 10 1,40 0,94 1,30 1,11 1,56 1,00 1,07 0,86 0,82 0,86 0,90 1,00 1,00 1,00 1,00 29,00 321,00 11 1,40 0,94 1,30 1,11 1,56 1,00 1,07 0,86 0,82 0,86 0,90 1,00 1,00 1,00 1,00 32,00 218,00 12 1,15 0,94 1,30 1,11 1,06 1,00 1,00 0,86 0,82 0,86 1,00 0,95 0,91 1,00 1,08 37,00 201,00 13 1,15 0,94 1,30 1,11 1,06 1,15 1,00 0,71 1,00 0,70 1,10 1,00 0,82 1,00 1,00 25,00 79,00 14 1,15 0,94 1,65 1,30 1,56 1,15 1,00 0,86 1,00 0,70 1,10 1,07 1,10 1,24 1,23 3,00 60,00 15 1,40 0,94 1,30 1,30 1,06 1,15 0,87 0,86 1,13 0,86 1,21 1,14 0,91 1,00 1,23 3,90 61,00 16 1,40 1,00 1,30 1,30 1,56 1,00 0,87 0,86 1,00 0,86 1,00 1,00 1,00 1,00 1,00 6,10 40,00 17 1,40 1,00 1,30 1,30 1,56 1,00 0,87 0,86 0,82 0,86 1,00 1,00 1,00 1,00 1,00 3,60 9,00 18 1,15 1,16 1,15 1,30 1,21 1,00 1,07 0,86 1,00 1,00 1,00 1,00 1,24 1,10 1,08 320,00 11400,00 19 1,15 1,08 1,00 1,11 1,21 0,87 0,94 0,71 0,91 1,00 1,00 1,00 0,91 0,91 1,00 1150,00 6600,00 20 1,40 1,08 1,30 1,11 1,21 1,15 1,07 0,71 0,82 1,08 1,10 1,07 1,24 1,00 1,08 299,00 6400,00 21 1,00 1,16 1,15 1,06 1,14 0,87 0,87 0,86 1,00 1,00 1,00 1,00 0,91 0,91 1,00 252,00 2455,00 22 1,15 1,00 1,00 1,27 1,06 1,00 1,00 0,86 0,82 0,86 0,90 1,00 0,91 1,00 1,23 118,00 724,00 23 1,15 1,00 1,00 1,08 1,06 1,00 1,00 0,86 0,82 0,86 0,90 1,00 1,00 1,00 1,23 77,00 539,00 24 0,88 1,00 0,85 1,06 1,06 1,00 0,87 1,00 1,29 1,00 1,10 0,95 0,82 0,83 1,00 90,00 453,00 25 1,15 1,16 1,30 1,15 1,06 1,00 0,87 0,86 1,00 0,86 1,10 1,00 0,82 0,91 1,08 38,00 523,00 26 0,94 1,00 0,85 1,07 1,06 1,15 1,07 0,86 1,00 0,86 1,10 1,00 0,91 1,10 1,08 48,00 387,00 27 1,15 0,94 1,15 1,35 1,21 1,00 0,87 1,00 1,00 1,00 1,00 1,00 0,82 1,10 1,08 9,40 88,00 28 1,15 1,08 1,30 1,11 1,21 1,15 1,07 0,86 1,00 0,86 1,10 1,07 1,10 1,10 1,00 13,00 98,00 29 0,88 1,00 1,00 1,00 1,00 1,00 1,00 1,10 1,29 0,86 1,00 1,00 0,91 0,91 1,23 2,14 7,30 30 0,88 1,00 1,00 1,00 1,00 1,00 1,00 1,00 1,29 0,86 1,00 1,00 0,91 0,91 1,23 1,98 5,90 31 1,40 1,08 1,00 1,48 1,56 1,15 1,07 0,86 0,82 0,86 1,10 1,07 1,00 1,00 1,00 62,00 1063,00 32 0,88 1,08 0,85 1,00 1,00 1,00 1,00 0,71 0,82 1,00 1,00 1,00 1,10 1,10 1,00 390,00 702,00 33 1,40 1,08 1,30 1,48 1,56 1,15 0,94 0,86 0,82 0,86 0,90 1,00 0,91 0,91 1,00 42,00 605,00 34 1,15 1,08 1,00 1,06 1,00 1,00 0,87 1,00 1,00 1,00 1,00 1,00 0,91 1,10 1,23 23,00 230,00 35 0,75 0,94 1,30 1,06 1,21 1,15 1,00 1,00 0,91 1,00 1,10 1,00 1,24 1,24 1,00 13,00 82,00 36 0,88 1,05 0,81 1,00 1,00 0,87 0,87 1,19 1,00 1,17 0,90 0,95 1,00 0,91 1,04 15,00 55,00
Lanjutan
No Rely Data Cplx Time Stor Virt Turn Acap Aexp Pcap Vexp Lexp Modp Tool Sced LOC (KLOC) Aktual (PM)
37 0,88 0,94 0,70 1,00 1,06 1,00 1,00 0,86 0,82 0,86 1,00 1,00 1,00 1,00 1,00 60,00 47,00 38 1,00 1,00 1,15 1,00 1,00 0,87 0,87 0,71 0,91 1,00 0,90 0,95 0,82 0,91 1,00 15,00 12,00 39 1,00 1,00 1,15 1,00 1,00 0,87 1,00 0,71 0,82 0,70 1,00 0,95 0,91 1,10 1,00 6,20 8,00 40 1,00 0,94 1,30 1,00 1,00 1,00 0,87 0,86 0,82 1,17 1,00 1,00 1,10 1,00 1,00 3,00 8,00 41 0,88 0,94 1,00 1,00 1,00 0,87 0,87 1,00 0,82 0,70 0,90 0,95 0,91 0,91 1,00 5,30 6,00 42 0,88 1,04 1,07 1,00 1,06 0,87 1,07 0,86 1,00 0,93 0,90 0,95 0,95 0,95 1,04 45,50 45,00 43 1,00 1,04 1,07 1,00 1,21 0,87 1,07 0,86 1,00 1,00 0,90 0,95 1,00 1,00 1,04 28,60 83,00 44 0,88 1,04 1,07 1,06 1,21 0,87 1,07 1,00 1,00 1,00 0,90 0,95 1,10 1,00 1,04 30,60 87,00 45 0,88 1,04 1,07 1,00 1,06 0,87 1,07 1,00 1,00 1,00 0,90 0,95 1,00 0,95 1,04 35,00 106,00 46 0,88 1,04 1,07 1,00 1,06 0,87 1,07 1,00 1,00 0,86 0,90 0,95 1,00 1,00 1,04 73,00 126,00 47 0,75 0,94 1,30 1,00 1,00 0,87 0,87 0,71 0,82 0,70 1,10 1,07 1,10 1,00 1,04 23,00 36,00 48 0,88 0,94 0,85 1,00 1,00 0,87 1,00 1,19 0,91 1,17 0,90 0,95 1,10 1,00 1,04 464,00 1272,00 49 1,00 1,00 0,85 1,00 1,00 1,00 0,87 0,71 1,00 0,70 1,10 1,00 0,82 0,91 1,00 91,00 156,00 50 1,15 1,00 1,00 1,30 1,21 1,00 0,87 0,86 1,00 0,86 1,10 1,00 1,00 1,00 1,00 24,00 176,00 51 0,88 1,00 1,00 1,00 1,00 1,00 1,15 1,19 1,00 1,42 1,00 0,95 1,24 1,10 1,04 10,00 122,00 52 0,88 0,94 0,85 1,00 1,06 1,15 1,00 1,00 1,00 1,00 1,10 1,07 1,24 1,10 1,00 8,20 41,00 53 0,88 0,94 1,15 1,11 1,21 1,30 1,00 0,71 1,00 0,70 1,10 1,07 1,00 1,10 1,08 5,30 14,00 54 1,00 0,94 1,00 1,00 1,06 1,15 0,87 1,00 0,82 1,00 1,00 0,95 0,91 1,10 1,00 4,40 20,00 55 0,88 0,94 0,70 1,00 1,00 0,87 0,87 0,86 0,82 1,17 0,90 0,95 1,10 1,00 1,00 6,30 18,00 56 1,15 0,94 1,30 1,30 1,21 1,00 1,00 0,86 0,91 1,00 1,10 1,07 1,10 1,10 1,08 27,00 958,00 57 1,00 0,94 1,15 1,11 1,21 1,30 1,00 1,00 1,00 1,00 1,10 1,07 1,10 1,10 1,23 17,00 237,00 58 1,40 0,94 1,30 1,66 1,21 1,00 1,00 0,71 0,82 0,70 0,90 0,95 0,91 1,00 1,00 25,00 130,00 59 1,00 0,94 1,15 1,06 1,06 1,00 0,87 1,00 1,00 1,00 1,00 1,00 0,91 1,00 1,00 23,00 70,00 60 1,15 0,94 1,30 1,11 1,06 1,00 1,00 0,86 1,13 0,86 1,10 1,07 1,10 1,10 1,08 6,70 57,00 61 1,00 0,94 1,15 1,00 1,00 0,87 0,87 0,86 1,00 0,86 0,90 1,00 0,82 1,00 1,00 28,00 50,00 62 0,88 0,94 1,30 1,11 1,21 1,15 1,00 0,78 0,82 0,70 1,21 1,14 0,91 1,24 1,00 9,10 38,00 63 1,00 0,94 1,15 1,00 1,00 1,00 0,87 0,71 0,82 0,86 1,00 1,00 0,82 1,00 1,00 10,00 15,00
Lampiran3Kelompokdatamission planningNASA
No Rely Data Cplx Time Stor Virt Turn Acap Aexp Pcap Vexp Lexp Modp Tool Sced LOC (KLOC) Aktual (PM)
1 h l h xh xh l h h h h n h h h n 7,50 72,00 2 n l h n n l l h vh vh n h n n n 20,00 72,00 3 n l h n n l l h vh h n h n n n 6,00 24,00 4 n l h n n l l h vh vh n h n n n 100,00 360,00 5 n l h n n l l h vh n n l n n n 11,30 36,00 6 n l h n n h l h h h l vl n n n 100,00 215,00 7 n l h n n l l h vh h n h n n n 20,00 48,00 8 n l h n n l l h n n n vl n n n 100,00 360,00 9 n l h n xh l l h vh vh n h n n n 150,00 324,00 10 n l h n n l l h h h n h n n n 31,50 60,00 11 n l h n n l l h vh h n h n n n 15,00 48,00 12 n l h n xh l l h h n n h n n n 32,50 60,00 13 h l h n n l l n n n n h h n l 5,50 18,00 14 n n n n n l n h vh vh l h h n n 190,00 420,00 15 n n h n h n n h h n n h h n h 47,50 252,00 16 vh n xh h h l l n h n n n l h n 21,00 107,00 17 h n vh h h l h h n n h h l vh h 101,00 750,00 18 h n h h h l h n h n n n l vh n 219,00 2120,00
Keterangan: vl= very low n= nominal vh=very high l=low h= high xh= extra high
Lampiran4HasilpengujiandannilaiMRE COCOMO 81
LOC CD LOC & CD
No Aktual (PM) Estimasi (PM) MRE (%) Estimasi (PM) MRE (%) Estimasi (PM) MRE (%) 1 2040,00 483,50 76,30 920,00 54,90 920,00 54,90 2 1600,00 8900,00 456,25 96,50 93,97 404,00 74,75 3 243,00 1382,00 468,72 4527,50 1763,17 2027,50 734,36 4 240,00 555,00 131,25 1820,00 658,33 1820,00 658,33 5 33,00 124,50 277,27 679,50 1959,09 679,50 1959,09 6 43,00 40,50 5,81 697,00 1520,93 697,00 1520,9 7 8,00 37,50 368,75 33,50 318,75 33,50 318,75 8 1075,00 53,00 95,07 1010,50 6,00 1010,50 6,00 9 423,00 204,00 51,77 518,50 22,58 518,50 22,58 10 321,00 66,50 79,28 113,50 64,64 113,50 64,64 11 218,00 255,00 16,97 165,00 24,31 165,00 24,31 12 201,00 314,50 56,47 11,50 94,28 11,50 94,28 13 79,00 153,00 93,67 312,00 294,94 312,00 294,98 14 60,00 8,50 85,83 597,50 895,83 597,50 895,83 15 61,00 26,00 57,38 147,00 140,98 147,00 140,98 16 40,00 13,00 67,50 307,00 667,50 307,00 667,50 17 9,00 52,00 477,79 322,50 3483,33 322,50 3483,33 18 11400,00 4000,00 64,91 3249,00 71,50 3249,00 71,50 19 6600,00 987,00 85,05 1233,50 81,31 1578,50 76,08 20 6400,00 6500,00 1,56 5749,00 10,17 5749,00 10,17 21 2455,00 4000,00 62,93 3561,50 45,07 383,00 84,40 22 724,00 1141,50 57,67 370,00 48,90 370,00 48,90 23 539,00 289,50 46,29 477,00 11,50 477,00 11,50 24 453,00 347,50 23,29 113,00 75,06 113,00 75,06 25 523,00 153,50 70,65 4527,50 765,68 1305,50 149,62 26 387,00 325,00 16,02 30,50 92,12 30,50 92,12 27 88,00 26,50 69,89 123,00 39,77 123,00 39,77 28 98,00 47,00 52,04 3411,50 3381,12 3411,50 3381,12 29 7,30 6,95 4,80 117,950 1515,75 117,95 1515,75 30 5,90 7,65 29,66 118,65 1911,02 118,65 1911,02 31 1063,00 143,50 86,50 307,00 71,12 307,00 71,12 32 702,00 6336,00 802,56 823,50 17,31 823,50 17,31 33 605,00 284,00 53,06 24,50 95,95 24,50 95,95 34 230,00 53,00 76,96 631,50 174,57 631,50 174,57 35 82,00 55,00 32,93 499,50 509,15 499,50 509,15 36 55,00 22,50 59,09 640,00 1063,64 57,00 3,64 37 47,00 651,50 1286,17 355,00 655,32 11,50 75,53 38 12,00 44,00 266,67 29,00 141,67 29,00 141,67 39 8,00 29,00 262,50 108,00 1250,00 108,00 1250,00 40 8,00 34,50 331,25 45,00 462,50 45,00 462,50 41 6,00 27,00 350,00 29,00 383,33 29,00 383,33 42 45,00 496,00 1002,22 116,00 157,78 116,00 157,78 43 83,00 185,50 123,49 66,00 20,48 66,00 20,48 44 87,00 320,50 268,39 94,50 8,62 94,50 8,62 45 106,00 362,00 241,51 85,50 19,34 85,50 19,34 46 126,00 801,00 535,71 75,50 40,08 75,50 40,08 47 36,00 150,00 316,67 11,50 68,06 11,50 68,06 48 1272,00 6051,00 375,71 25,50 98,00 25,50 98,00 49 156,00 496,00 217,95 42,50 72,76 42,50 72,76 50 176,00 100,00 43,18 79,00 55,11 79,00 55,11 51 122,00 51,50 57,79 657,50 438,93 65,00 46,72 52 41,00 63,00 53,66 69,50 69,51 69,50 69,51 53 14,00 23,00 64,29 405,00 2792,86 405,00 2792,86 54 20,00 52,00 160,00 42,50 112,50 42,50 112,50
Lanjutan
LOC CD LOC & CD
No Aktual (PM) Estimasi (PM) MRE (%) Estimasi (PM) MRE (%) Estimasi (PM) MRE (%) 55 18,00 24,00 33,33 640,00 3455,56 640,00 3455,56 56 958,00 66,50 93,06 240,00 74,95 240,00 74,95 57 237,00 22,50 90,51 486,00 105,06 486,00 105,06 58 130,00 127,50 1,92 403,00 210,00 403,00 210,00 59 70,00 133,00 90,00 32,50 53,57 32,50 53,57 60 57,00 13,00 77,19 690,50 1111,40 690,50 1111,40 61 50,00 520,50 941,00 41,00 18,00 41,00 18,00 62 38,00 51,50 35,53 218,50 475,00 218,50 475,00 63 15,00 105,00 600,00 60,00 300,00 60,00 300,00 Lampiran5AgregatgalatCOCOMO 81
Galat LOC CD LOC & CD
Min MRE (%) 1,56 6,00 3,64
Max MRE (%) 1.286,17 3.483,33 3.483,33
MMRE (%) 198,12 550,71 492,58
MdMRE (%) 79,28 105,06 94,28
SDMRE (%) 261,32 876,46 866,67
Lampiran6HasilpengujiandannilaiMRE padamission planningNASA
LOC CD LOC & CD
No Aktual (PM) Estimasi (PM) MRE (%) Estimasi (PM) MRE (%) Estimasi (PM) MRE (%) 1 72,00 21,00 70,83 60,00 16,67 60,00 16,67 2 72,00 77,50 7,64 204,00 183,33 204,00 183,33 3 24,00 45,00 87,50 48,00 100,00 48,00 100,00 4 360,00 287,50 20,14 60,00 83,33 198,00 45,00 5 36,00 60,00 66,67 204,00 466,67 36,00 0,00 6 215,00 360,00 67,44 54,00 74,88 210,00 2,33 7 48,00 89,50 86,46 36,00 25,00 36,00 25,00 8 360,00 287,50 20,14 48,00 86,67 198,00 45,00 9 324,00 585,00 80,56 216,00 33,33 216,00 33,33 10 60,00 83,50 39,17 48,00 20,00 48,00 20,00 11 48,00 42,00 12,50 36,00 25,00 36,00 25,00 12 60,00 83,50 39,17 192,00 220,00 192,00 220,00 13 18,00 48,00 166,67 210,00 1066,67 192,00 966,67 14 420,00 1222,00 190,95 216,00 48,57 216,00 48,57 15 252,00 60,00 76,19 240,00 4,76 60,00 76,19 16 107,00 60,00 43,93 1435,00 1241,12 1090,00 918,69 17 750,00 287,50 61,67 1113,50 48,47 1186,00 58,13 18 2120,00 372,00 82,45 428,50 79,79 428,50 79,79
Lampiran7Agregatgalatmission planningNASA
Galat LOC CD Ukuran perangkat l unak & CD
MinMRE (%) 7,64 4,76 0,00 MaxMRE (%) 190,95 1.241,12 966,67 MMRE (%) 67,78 212,46 159,09 MdMRE (%) 67,06 77,34 46,79 SDMRE (%) 48,27 360,53 291,03
Lampiran9HasilpengujiandannilaiMRE penerapanperingkatpadaCOCOMO 81 No Estimasi (PM) Aktual (PM) MRE (%) 1 313,50 2040,00 84,63 2 6051,00 1600,00 278,19 3 85,50 243,00 64,82 4 116,00 240,00 51,67 5 88,50 33,00 168,18 6 65,00 43,00 51,16 7 12,00 8,00 50,00 8 597,50 1075,00 44,42 9 518,50 423,00 22,58 10 150,50 321,00 53,12 11 202,00 218,00 7,34 12 74,50 201,00 62,94 13 123,00 79,00 55,70 14 37,50 60,00 37,50 15 37,00 61,00 39,34 16 33,00 40,00 17,50 17 24,00 9,00 166,67 18 4000,00 11400,00 64,91 19 1349,00 6600,00 79,56 20 6051,00 6400,00 5,45 21 921,50 2455,00 62,46 22 332,50 724,00 54,08 23 85,50 539,00 84,14 24 141,00 453,00 68,87 25 188,50 523,00 63,96 26 124,00 387,00 67,96 27 27,50 88,00 68,75 28 69,50 98,00 29,08 29 31,45 7,30 330,82 30 32,15 5,90 444,92 31 496,00 1063,00 53,34 32 863,00 702,00 22,93 33 269,50 605,00 55,46 34 123,00 230,00 46,52 35 69,50 82,00 15,24 36 10,00 55,00 81,89 37 256,50 47,00 445,75 38 35,00 12,00 191,67 39 10,50 8,00 31,25 40 19,00 8,00 137,50 41 8,00 6,00 33,33 42 96,50 45,00 114,44 43 96,50 83,00 16,27 44 94,50 87,00 8,62 45 85,00 106,00 19,81 46 75,50 126,00 40,08 47 123,00 36,00 241,67 48 414,00 1272,00 67,45 49 250,00 156,00 60,26 50 74,50 176,00 57,67 51 61,50 122,00 49,59 52 35,50 41,00 13,42 53 38,50 14,00 175,00 54 7,00 20,00 65,00 55 7,00 18,00 61,11 56 299,50 958,00 68,74 57 90,00 237,00 62,03 58 127,50 130,00 1,92 59 113,00 70,00 61,43 60 27,50 57,00 51,75 61 76,50 50,00 53,00 62 27,50 38,00 27,63 63 10,00 15,00 33,33
Lampiran10agregatgalatpenerapanperingkatpadaCOCOMO 81 Galat Nilai MinMRE (%) 1,92 MaxMRE (%) 445,75 MMRE (%) 81,68 MdMRE (%) 55,70 SDMRE (%) 91,33
Lampiran11HasilpengujiandannilaiMRE penerapanperingkatpadamission planningNASA
No Estimasi (PM) Aktual (PM) MRE (%) 1 36,00 72,00 50,00 2 48,00 72,00 33,33 3 48,00 24,00 100,00 4 342,00 360,00 5,00 5 36,00 36,00 0,00 6 360,00 215,00 67,44 7 60,00 48,00 25,00 8 210,00 360,00 41,67 9 390,00 324,00 20,37 10 54,00 60,00 10,00 11 60,00 48,00 25,00 12 54,00 60,00 10,00 13 30,00 18,00 66,67 14 342,00 420,00 18,57 15 60,00 252,00 76,19 16 48,00 107,00 55,14 17 306,00 750,00 59,20 18 428,50 2120,00 79,79
Lampiran12Agregatgalatpenerapanperingkatpadamission planningNASA
Galat Nilai MinMRE 0,00 MaxMRE 100,00 MMRE (%) 41,30 MdMRE (%) 37,50 SDMRE (%) 29,30
