PERBAIKAN METODE PEMERINGKATAN SPESIFIKASI KEBUTUHAN BERDASARKAN PERKIRAAN KEUNTUNGAN DAN BERPASANGAN

Transkripsi

1 PERBAIKAN METODE PEMERINGKATAN SPESIFIKASI KEBUTUHAN BERDASARKAN PERKIRAAN KEUNTUNGAN DAN NILAIPROYEK DENGANMENGURANGIPERBANDINGAN BERPASANGAN TESIS Dipersiapkan oleh Eko Prasetyo Pembimbing Daniel O. Siahaan, S.Kom, M.Sc, PD.Eng MAGISTER TEKNIK INFORMATIKA FAKULTAS TEKNOLOGI INFORMASI INSTITUT TEKNOLOGI SEPULUH NOPEMBER SURABAYA 2011

2 Latar Belakang Fase spesifikasi kebutuhan dalam pembuatan perangkat lunak merupakan 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 yang gpaling tinggi atau beresiko tinggi 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) 8% dari total sumber daya proyek NASA, Forsberg (1997) proyek sukses secara optimal ketika menggunakan 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. 2

3 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 dalam perusahaan Focal Point (Vigo ahl, 2005) Kelemahan metode : tergantung pada AHP untuk merangking keuntungan dan biaya, sehingga jika jumlah hkb kebutuhan semakin banyak maka jmlah pertanyaan yang dijawab tumbuh secara kuadratik mengikuti rumus : j = n(n 1)/2 kebingungan g bagi pelanggan untukmemilih, karena pada setiap kuadran yang ditempati oleh setiap spesifikasi kebutuhan mempunyai kelebihan dan kekurangan masing masing Lamanya proses penentuan nilai peringkat berdasarkan keuntungan dan biaya 3

4 Yang dilakukan dalam penelitian Perbaikan metode pemeringkatan spesifikasi kebutuhan berdasarkan perkiraan keuntungan dan nilai i proyek dengan mengurangi perbandingan berpasangan : Pemeringkatan keuntungan dan nilai proyek menggunakan metode 100 poin, metode pengelompokannya menggunakan fuzzy k means clustering dengan basis perkiraan keuntungan dan nilai proyek dalam kelompok pemeringkatan, sedangkan pemeringkatan kelompoknya menggunakannakan 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 dan memberikan hasil peringkat akhir yang pasti.

5 Input/Output metode Input : Sejumlah spesifikasi kebutuhan yang dinyatakan dalampernyataanyang yang benar dan tidak ambigus Misal : R : Output : Spesifikasi kebutuhan yang sudah diperingkat dengan mempertimbangkan faktor keuntungan, nilai proyek dan faktor lain yang digunakan ketika melakukan pemeringkatan akhir Misal : R :

6 Spesifikasi Kebutuhan (Davis, G. dan Shehata, M., 2010) R1 : Sistem seharusnya menyimpan informasi terbaru mengenai setiap property dalam 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 kebanyakan user menginginkan tidak memasukkan properi yang sudah terjual dari hasil perncarian R5 : Sistem akan mendukung akses internet pada website agency 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 R9 : Sistem seharusnya menyediakan tampilan dalam format grafis (GUI)

7 Tujuan Penelitian dan Kontribusi Tujuan : Mengurangi jumlah perbandingan berpasangan yang harus dijawab oleh pengguna/pelanggan dan pengembang Memberikan 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 dan nilai proyek

8 Metode Pendekatan Keuntungan Req1 Nilai Req9Proyek yang lama Input R : Rank R1 R9 Rank R1 R9 R : R : R1 : 4 1 R2 : 1 6 R3 : 7 8 R4 : 9 7 R5 : R6 : R7 : R8 : 5 3 R9 : R : Keuntung gan Diagram Keuntungan-Nilai Proyek R2 R7 R3 R6 R4 R5 R8 2 R9 R Nilai proyek Lokasi Req.

9 Desain proses perbaikan metode Input Rank R1 R9 R : Req1 Req9 R : Rank R1 R9 R : R1 : 4 1 R2 : 1 6 R3 : 7 8 R4 : 9 7 R5 : 2 4 R6 : 8 9 R7 : 6 5 R8 : 5 3 R9 : (1,2,5,8,9) 2. (3,4,6,7) 1. (2,5,9,8,1) 2. (6,3,4,7) R :

10 Relevansi hasil Metode yang lama : Perkiraan peringkat (R) : Metode yang baru : Setelah kelompok dan data didalamnya diperingkat : (2,5,9,8,1) (6,3,4,7) Peringkat akhir (R) : Analisis pasangan pengembang dan pelanggan 1 : Pada pengelompokan dengan 2 kelompok, data yang menjadi peringkat pertama a R : ( selalu dikelompok eo 1), peringkat kedua berisi data R : (6 4 7 selalu dalam kelompok 2). Sehingga ada 7 spesifikasi kebutuhan yang selalu berada pada kelompok yang sama jika dibandingkan dengan metode yang lama

11 Relevansi hasil 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 kelompok yang sama. Ada kondisi ekstrim pada percobaan 3 kelompok yang ke 4, dimana R8 menempati kelompok pertama (dalam percobaan yang lain tidak pernah 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.

12 Pengujian dan analisis Metode pengujian yang dilakukan adalah studi kasus terhadap metode, titik titik 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. Analisisyang i dilakukan k dl dalam pengujian metode iniiadalah dlh: 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. Metode pengujian lain yang digunakan adalah pengujian terhadap hipotesis.

13 Hasil Pengujian pada 1 Pelajar Master untuk pemeringkatan sementara Pengembang Jumlah spesifikasi kebutuhan Jumlah pertanyaan yang diselesaikan ik Metode lama Metode baru (AHP) (100 poin)

14 Hasil Pengujian pada 10 Pelajar Sarjana untuk pemeringkatan sementara Pelanggan Jumlah spesifikasi kebutuhan Jumlah pertanyaan yang diselesaikan Metode lama Metode baru

15 Peringkat Sementara yang didapat dari Pengembang Spes. Kbth Kebutuhan Poin Peringkat R1 7 4 R2 1 1 R R R5 4 2 R R R8 8 5 R9 5 3

16 Peringkat oleh 3 Pelanggan dan Pasangannya dengan Pengembang Spes. Kebutuhan Peringkat oleh pelanggan c1 c7 c10 poin rank poin rank poin rank Pasangan data d c1 d c7 d -c10 R R R R R R R R R

17 Pengelompokan pasangan pengembang (d) dengan pelanggan 1 (1) (c1) pada 2 kelompok kl k Data dalam Diagram Keuntungan-Nilai i Proyek kelompok (setelah 10 R6 kelompok 8 R3 2 R4 diperingkat ) : 6 R2 R7 (1,2,5,8,9) (3,4,6,7) 4 R5 1 R8 Setelah diperingkat : 2 R9 R1 (2,5,9,8,1) (6,3,4,7) Peringkat akhir : 2 5 Nilai proyek Ke euntungan

18 Pengelompokan pasangan pengembang (d) dengan pelanggan 1 (1) (c1) pada 3 kelompok kl k Data dalam kelompok Diagram Keuntungan-Nilai i Proyek 10 (setelah kelompok R6 8 R3 3 diperingkat ) : (257) (2,5,7) R4 6 R2 (1,8,9) (3,4,6) 1 R7 4 R5 Setelah diperingkat : R8 2 R9 2 (2,7,5) (9,8,1) (6,3,4) R Peringkat akhir : Nilai proyek Ke euntungan

19 Peringkat Akhir metode lama Jika urutan 10 spesifikasi 8 kebutuhan dituliskan 6 urutan peringkatnya 4 : an Keuntung Diagram Keuntungan-Nilai Proyek R2 R5 R9 R1 R8 R7 R3 R6 R Nilai proyek Lokasi Req.

20 Hasil Peringkat Akhir Metode Baru antara Pengembang (d) dengan Pelanggan 1 (c1) Perc. ke Jml kel Jml perbandingan berpasangan CR lama baru lama baru Peringkat akhir Rata-rata Simpangan baku

21 Rekapitulasi Akhir Perubahan Jumlah Perbandingan dan CR Rata-rata jml Persentase selisih Rata-rata CR Selisih rata-rata Pasangan perbandingan (%) lama baru lama baru jml pas. CR jml pas. CR d c d c d c d c d c d c d c d c d c d c Rata-rata Simpangan baku

22 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 seharusnyadijawab telah berkurang sehingga hanya 36.72% saja yang harus dijawab. Hal ini sesuai dengan tujuan yang diharapkan dalam penelitian ini. Dengan pengurangan jumlah perbandingan berpasangan, ternyata nilai CR baru yang didapatkan masih kurang dari 10% dengan selisih rata rata dari CR yang lama adalah Karena CR akhir yang didapatkan masih dibawah 10% maka metode ini dianggap berhasil.

23 Analisis terhadap hipotesis Hipotesis 1 H 1 1 : Pada saat penentuan peringkat sementara oleh lhpengambang dan pelanggan, hanya menjawab n buah spesifikasi kebutuhan saja, sesuai dengan metode 100 poin. Karena H 0 1 benar dan H 1 1 benar, maka hipotesis 1 bernilai benar. Hipotesis 2 H 1 2 : 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 harus dijawab adalah dlh10. 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 k Karena H 0 2 benar dan H 1 2 benar, maka hipotesis 2 bernilai benar. n( Ci)( n( Ci) i= 1 Hipotesis 3 H 1 3 : Pembacaan data dalam tiap kuadran dilakukan secara urut kuadran II, III, I, IV dan rekursif sehingga hasil peringkat kelompok terjadi secara otomatis. Karena H 03 benar dan H 13 benar, maka hipotesis 3 bernilai benar. 1) / 2

24 Kesimpulan Jumlah perbandingan berpasangan yang harus dijawab baik oleh pengembang maupun pelanggan dapat dikurangi dalam jumlah yang signifikan. Lebih dari 50% perbandinganberpasangan p g dapat dikurangi, sedangkan hasil pemeringkatannya tetap relevan terhadap keuntungan dan nilai proyek. 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 dikelompok kelompokkan, kemudian diperingkat kembali.

25 Saran Pada saat proses pengelompokan ada kemungkinan terjadinya penggabungan kelompok menjadi satu kelompok, hal ini dikarenakan pengaruh metode fuzzy k means yang memungkinkan terjadinya nilai tak terhingga pada lokasi koordinat titik pusat kelompok. Jumlah pengujianuntuk setiap pasangan pengembang dengan pelanggan perlu ditambah untuk memberikan hasil yang lebih akurat.

26 TERIMA KASIH 26

27 Kajian Pustaka Pemeringkatan spesifikasi kebutuhan perangkat lunak Metode Analytic Hierarchy Process (AHP) 100 poin Metode Pendekatan Keuntungan dan Biaya K Means Clustering Quadrant Model 27

28 Spesifikasi Kebutuhan Spesifikasi kebutuhan (requirement) adalah atribut yang diperlukan dalam sistem, sebuah pernyataan yang mengidentifikasi capability, characteristic, atau quality factor dari sebuah sistem dengan tujuan untuk mendapatkan nilai dan utilitas pada pelanggan atau pengguna (RalphR R. Young, 2004) 28

29 Pemeringkatan spesifikasi kebutuhan perangkat lunak Pemeringkatan spesifikasi kebutuhan digunakan dalam manajemen produk perangkat lunak untuk menentukan yang manakah kandidat spesifikasi kebutuhan produk perangkat lunak yang seharusnya dimasukkandalam release tertentu t t (J. Karlsson & K. Ryan, 1997). Spesifikasi kebutuhan diprioritaskan untuk meminimalisasi resiko selama pengembangan sehingga spesifikasi kbth kebutuhan dengan kepentingan yang paling tinggii atau beresiko tinggi diimplementasikan terlebih dahulu. Ada beberapa metode untuk memperkirakan priorotisasi (pemeringkatan) spesifikasi i kbth kebutuhan perangkat ktlunak yang ada. 29

30 Metode Analytic Hierarchy Process (AHP) Metode Analytic aytchierarchy eac Process (AHP) merupakan teori umum mengenai pengukuran (T. L. Saaty, 1990) AHP digunakan untuk menurunkan skala rasio dari beberapa perbandingan berpasangan yang bersifat tdiskrit it maupun kontinu. Perbandingan berpasangan tersebut dapat diperoleh melalui pengukuran aktual maupun pengukuran relative dari derajat kesukaan, atau kepentingan atau perasaan. 30

31 Skala rasio AHP Intensitas dari kepentingan pada skala absolut Definisi 1 Sama pentingnya 3 Agak lebih penting yang satu atas lainnya 5 cukup penting 7 sangat penting 9 kepentingan yang ekstrim 2,4,6,8 berbalikan rasio nilai tengah diantara dua nilai keputusan yang berdekatan jika aktifitas i mempunyai nilai yang lebih tinggi dari aktifitas j maka j mempunyai nilai berbalikan ketika dibandingkan dengan rasio yang didapat langsung dari pengukuran Penjelasan Kedua aktifitas menyumbangkan sama pada tujuan Pengalaman dan keputusan menunjukkan kesukaan atas satu aktifitas lebih dari yang lain Pengalaman dan keputusan menunjukkan kesukaan atas satu aktifitas lebih dari yang lain Pengalaman dan keputusan menunjukkan kesukaan yang kuat atas satu aktifitas lebih dari yang lain Bukti menyukai satu aktifitas atas yang lain sangat kuat Bila kompromi dibutuhkan 31

32 100 poin Disebut juga metode Cumulative Voting Ada beberapa model : Seseorang mempunyai 100 poin dan harus mendistribusikan poin 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. Membagi semua point diantara spesifikasi kebutuhan, menurut yang e bag se ua po tda ta a spes as ebutu a, e u utya g manakah spesifikasi kebutuhan yang paling penting kepada sistem

33 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 yang didapat dari spesifikasi i kbth kebutuhan. Penilaian biaya dan value untuk spesifikasi kebutuhan dilakukan menggunakan metode Analitical Hiearchy Process (AHP). 33

34 Langkah pemrioritasan Metode Pendekatan dk Keuntungan dan Biaya Teknisi spesifikasi kebutuhan denganberhati hati me review kandidat 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 kandidat dd spesifikasi fk kb kebutuhan. Teknisi perangkat lunak menggunakan perbandingan berpasangan AHP untuk memperkirakan biaya relatif pengimplementasian kandidat spesifikasi kebutuhan. 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. 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. 34

35 K Means Clustering Dalam statistik dan machine learning, k means clustering adalah metode 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 yang berusaha mempartisi data yang ada ke dl dalam bentuk satu atau lbh 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 berbedab dk dikelompokkan kk ke dl dalam kl kelompokk yang lain. Adapun tujuan dari pengklasteran data ini adalah untuk meminimalisasikan fungsi obyektif yang diset dalam proses pengklasteran, yang gpada umumnya berusaha meminimalisasikan variasi di dalam suatu klaster dan memaksimalkan variasi antar kluster. 35

36 Langkah pengklasteran data menggunakan metode k means Tentukan jumlah klaster Alokasikan data ke dalam klaster secara random Hitung centroid/rata rata dari data yang ada di masing masing klaster Alokasikan masing masing data ke centroid/rata rata terdekat Kembali ke Step 3, apabila masih ada data yang berpindah klaster atau apabila perubahan nilai centroid,, ada yang di atas nilai threshold yang ditentukan atau apabila perubahan nilai pada fungsi obyektif yang digunakan di atas nilai threshold yang ditentukan 36

37 Fuzzy k means Metodefuzzy k means (atau lebih sering disebut sebagai fuzzy c means) mengalokasikan kembali data ke dalam masing masing cluster dengan memanfaatkan teori fuzzy. Dalam metode fuzzy k means dipergunakan variable fungsi keanggotaan, u ik, yang merujuk padaseberapa besar kemungkinanki suatu data bisa menjadi anggota ke dalam suatu klaster. 37

38 Fungsi keanggotaan untuk suatu data ke suatu cluster tertentu dihitung menggunakan rumus sebagai berikut : dimana: u ik : Fungsi keanggotaan data ke k ke klaster ke i v i : Nilaii centroid cluster ke ii m : Weighting Exponent 38

39 Quadrant model adalah supply categorization model yang meng aggregasi item inventori dari sistem it pasokan kedalam bentuk kuadran (Enholm Heuristics, 2008) Quadrant Model 39

40 Critical : Nilai misi yang tinggi, resiko dan keunikan tinggi mengarahkan pelanggan memusatkan pada bagian ini. i Bottleneck : Item item pada bagian ini mempunyai nilai misi yang rendah seperti routine, tetapi mempunyai elemen resiko dimana sedikitpemasok yang tersedia, item tertentu mempunyai sedikit atau tidak ada potensi untuk digantikan, dan lebih mahal. Routine : Nilai misi yang rendah, dan item resiko/keunikan yang rendah ditemukan oleh pelanggan yang mempunyai banyak pilihan yang tersedia dari pemasok yang berpotensi, harga lebih rendah dan item tersebut tidak penting terhadap harapan misi. Leveraged : Resiko/keunikan rendah, dan nilai misi yang tinggi yang mengkarakteristikkan item pada quadran ini. 40