ANALISIS METODE ANALOGY BASED ESTIMATION UNTUK PERKIRAAN BIAYA PERANGKAT LUNAK. Oleh : ARDIANSYAH G

Transkripsi

1 ANALISIS METODE ANALOGY BASED ESTIMATION UNTUK PERKIRAAN BIAYA PERANGKAT LUNAK Oleh : ARDIANSYAH G DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007

2 ANALISIS METODE ANALOGY BASED ESTMATION UNTUK PERKIRAAN BIAYA PERANGKAT LUNAK Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Oleh : ARDIANSYAH G DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007

3 3 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%. Kata kunci: Perkiraan Biaya Perangkat Lunak, Analogy Based Estimation, Peringkat

4 Judul : Analisis Metode Analogy Based Estimation Untuk Perkiraan Biaya Perangkat Lunak Nama : Ardiansyah NRP : G Menyetujui: Pembimbing I Pembimbing II Wisnu Ananta Kusuma, S.T., M.T. Irman Hermadi, S.Kom., MS NIP NIP Mengetahui: Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor Prof. Dr. Ir. Yonny Koesmaryono, MS NIP Tanggal Lulus :

5 RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 24 Maret 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.

6 6 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 Ardiansyah

7 iv DAFTAR ISI Halaman DAFTAR GAMBAR v DAFTAR LAMPIRAN v PENDAHULUAN 1 Latar Belakang 1 Tujuan 1 Ruang Lingkup 1 Manfaat 1 TINJAUAN PUSTAKA 1 Perkiraan 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 LAMPIRAN 12

8 v 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 13 Kelompok Data COCOMO Kelompok Data Mission Planning NASA 16 Hasil Pengujian dan Nilai MRE COCOMO Agregat Galat COCOMO 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 Agregat Galat Penerapan Peringkat pada COCOMO Hasil Pengujian dan Nilai MRE Penerapan Peringkat pada Mission Planning NASA 21 Agregat Galat Penerapan Peringkat pada Mission Planning NASA 21

9 1 Latar Belakang PENDAHULUAN 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

10 2 statistikal 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 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 : δ ( a a ) + ( b b ) ( z z E=...(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): ( P P ) ik jk 0, = 1, jika k kategorika l dan P jika k kategorika l dan ik ik = P..(2) jk jk P P di mana k adalah atribut proyek, jarak(p i,p j ) adalah jarak dari proyek i dengan proyek j, n adalah jumlah atribut proyek, dan δ(p ik,p jk ) 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 Cplx produk Platform Batasan waktu Time eksekusi Batasan tempat Stor penyimpanan utama Personil Proyek Mesin virtual Waktu turnaround komputer Kemampuan analis Pengalaman dalam aplikasi Kemampuan programmer Pengalaman dalam mesin virtual Pengalaman dalam bahasa pemrograman Penggunaan program modern Penggunaan peralatan perangkat lunak Virt Turn Acap Aexp Pcap Vexp Lexp Modp Tool

11 3 Kategori CD Simbol Model Pengembangan MRE biaya aktual biaya estimasi i i i = biaya aktual...(3) i MRE dihitung untuk setiap pengujian i 1 MMRE = N i Jadwal pengembangan yang diperlukan biaya aktual biaya estimasi i biaya aktual i Sced Ada 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). yang biayanya telah diperkirakan. Agregat nilai MRE pada banyak pengujian, misal N, dapat diperoleh melalui Mean MRE (MMRE) (Briand et al. 1998). i...(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 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

12 4 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 MySql PHP (PHP Hypertext Preprocessor) 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 keyboard mouse. HASIL DAN PEMBAHASAN Pada penelitian ini akan dilakukan pengujiandananalisissetiapkelompokdata secara bergantian. Pengujian pertama dilakukan pada data COCOMO 81. Selanjutnyapengujian dilakukan padadata mission planning NASA. Proses penarikan analogi dilakukan dengan tiga tahap, yaitu membandingkan jarak LOC pada setiap proyek, membandingkanjarakcdpadasetiapproyek, danmembandingkanjaraklocdancdpada setiapproyek. SesuaidenganhasilpercobaanSchofield danshepperd(1996),rataanbiayaaktualdari duaproyekyangmempunyaijarakterdekat dengan proyek ujiakan 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,max MRE,min MRE,dan SDMRE.Hasilpengujian dan nilaimre dapatdilihatpadalampiran4.nilaigalat lainnyadapatdilihatpadalampiran5.grafik MRE untuk semua tahap pengujian dapat dilihatpadagambar2.

13 5 MRE (%) Pengujian LOC CD LOC & CD Gambar2GrafikMRECOCOMO81 PadaGambar2terlihatbahwanilaiMRE darikeseluruhan pengujian dengan LOC cenderunglebihkecildibandingkeduatahap pengujian lainnya.haltersebutdiperkuat olehnilairata-ratadanmedianmre dari pengujiandenganmenggunakanloc yang masing masing sebesar198,12% dan 79,28%.Nilairata ratadanmedianmre tersebutlebihkeciljikadibandingkanrata rata dan median MRE pada pengujian menggunakan CD, yaitu 550,71% dan 105,06%,danrata ratasertamedianmre padapengujianmenggunakanlocdancd sekaligus yang sebesar 492,58% dan 94,28%.Perbedaanantaranilairata rata MREdengannilaimedianMREdisebabkan oleh terdapatnyabeberapanilaipencilan tinggipadapengujianmenggunakan LOC yangcukupmempengaruhibesarnyanilai rata ratamre.halyangsamaterjadipada kedua tahap pengujian lainnya.bahkan dapatdilihatpadagambar2,pencilan - pencilantinggipadakeduatahappengujian lainjumlahnyalebihbanyakdannilainya lebihbesardibandingkandenganpencilan pencilan tinggi pada tahap pengujian menggunakanloc. Nilai MRE maksimal baik pada pengujian menggunakan CDmaupunpada 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 pengujian menggunakancddanpengujian menggunakan LOC dan CD sekaligus mempunyairesikoyang jauhlebihbesar dibandingkanpengujianmenggunakanloc. Dapatdikatakan bahwanilaimre pada pengujiandenganmenggunakanloclebih stabildibandingkandengannilaimrepada keduatahappengujianlainnya.dengannilai nilaimreyangcenderunglebihkecildan jugalebihstabil,makadapatdisimpulkan bahwapadakelompokdatainipengujian dengan menggunakan LOC menghasilkan kinerjayangpalingbaikdiantaraseluruh tahappengujianyangtelahdilakukan. Jikadiamatiperbandinganantaragrafik MRE padapengujian yang menggunakan CD dengan grafik MRE pada pengujian yangmenggunakanlocdancdsekaligus padagambar2,terlihatjelasbahwakedua grafik tersebut tidak jauh berbeda. Tampaknya pada pengujian dengan menggunakan ukuran perangkatdan CD sekaligus,cd jauh lebih mempengaruhi hasilpengujiandaripadaloc itusendiri. HaltersebutterjadikarenaCDterdiridari15 peubah yang berbeda, sedangkan LOC hanya satu peubah. Dengan adanya normalisasidan pembobotan yang sama padatiappeubah,makaperbandinganloc dengancd dalam perhitunganjarakadalah satuberbandinglimabelas.perbandingan

14 6 yang sangat jauh tersebut sudah menunjukkandenganjelasbetapakecilnya pengaruhdarilocdalam 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,pengujianke-3,pengujian ke-19,pengujian ke-21,pengujian ke-25, pengujian ke-36, pengujian ke-37, dan pengujian ke-51.daridelapan pengujian tersebut,pengujian dengan menggunakan LOCdanCDsekaliguscenderunglebihbaik 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 danhanyaada sedikitpeningkatankinerja. Namun penambahan CD pada pengujian dengan hanya menggunakan LOC justru akan membuatkinerjapengujian menjadi turun drastis dengan nilai-nilaipencilan yangsemakin besar.terlihatbahwapada pengujiandenganmenggunakanloc 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 padajenis proyekdanmodelpengembanganmembuat kelompokdatainijugaterklasifikasilebih baikdaripadakelompokdatacocomo81 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 distance untukloc. Galatpadatiaphasilpengujiankemudian dihitung dengan menggunakan MRE. Setelah semua MRE pengujian dihitung, selanjutnyadihitungataupundicarinilaimin MRE,max MRE,MMRE,MdMRE,dan SDMRE.HasildannilaiMREpengujian dapatdilihatpadalampiran6.nilaigalat lainnya dapatdilihatpada Lampiran 7. Untuk grafik perbandingan MRE pada ketigatahap pengujian,disediakan grafik MRE yangdapatdilihatpadagambar3.

15 7 MRE (%) Pengujian LOC CD LOC & CD Gambar3GrafikMREMission Planning NASA PadaGambar3 terlihatbahwagrafik MREpadapengujiandenganmenggunakan LOC lebih stabil dibandingkan dengan grafikmretahappengujianlainnya.hanya terdapat2nilaipencilanbesarpadatahap pengujian tersebut di mana nilai maksimalnyaterjadipadapengujianke-14. NilaiMRE pada pengujian ke-14 tidak terlalu besar dibandingkan pengujian lainnya, sehingga tidak terlalu merusak kestabilangrafikmrepadatahappengujian tersebut.halyangberbedaditunjukkanoleh grafikmre padakeduatahappengujian lainnya. Pada pengujian dengan menggunakan CD, terdapat lima nilai pencilanbesardimanatigadiantaranya, yang terdapat pada pengujian ke-5, pengujianke-13,danpengujianke-16,jauh melebihi nilai MRE pengujian lainnya. Ketiga pencilan besar tersebut sangat merusakkestabilangrafikmrepadatahap pengujiantersebut.padapengujiandengan menggunakan seluruh atribut, terdapat empatnilaipencilanbesardimanaduadi antaranya,yangterdapatpadapengujianke- 13danpengujianke-16,jauhmelebihinilai MRE pengujian lainnya.kedua pencilan besartersebutsangatmerusak kestabilan grafikmrepadatahappengujiantersebut. Yangperludiperhatikanpadapengujian dengan menggunakan LOC dan CD sekaligusadalahterdapatnyapengujianyang memilikinilaimre sebesar0,00%.nilai MREyangterjadipadapengujianke-5itu sangatistimewa,karenaituberartitidakada galatsamasekalipadapengujiantersebut. Hallainyangperludiperhatikanadalahnilai medianmre-nya.nilairata ratamrenyasebesar159,09% memanglebihbesar daripada nilairata rata MRE sebesar 67,78% padapengujianmenggunakanloc, akantetapinilaimedianmre-nyasebesar 46,79% justrusedikitlebihkecildaripada nilai median MRE pada pengujian menggunakanloc yangbesarnyaadalah 67,06%.Ituberartipengujianmenggunakan LOCdanCD sekaligusmenghasilkanlebih banyak nilaimre yangrendah.halitu dapatjugadiamatidarigrafik MRE-nya padagambar3.walaupunpengujianyang menggunakan LOC dan CD sekaligus memilikilebihbanyakpengujianyangnilai MRE-nya kecil dibandingkan pengujian yang menggunakan LOC,namun adanya duapencilan yangsangatbesarmembuat kinerjatahappengujianmenggunakanloc dancd sekaligusinimasihkurangbaik dibandingkantahappengujianmenggunakan LOC. Jikadiamatiperbandinganantaragrafik MRE padapengujian yang menggunakan LOCdanCDsekaligusdengangrafikMRE padakeduatahappengujianlainnyapada 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,pengujianke-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 perangkatdan CD

16 8 sekaligus,cd jauh lebih mempengaruhi hasilpengujiandaripadaloc itusendiri. HaltersebutterjadikarenaCDterdiridari15 peubah yang berbeda, sedangkan LOC hanya satu peubah. Dengan adanya normalisasidan pembobotan yang sama padatiappeubah,makaperbandinganloc dengancd dalam perhitunganjarakadalah satuberbandinglimabelas.perbandingan yang sangat jauh tersebut sudah menunjukkandenganjelasbetapakecilnya pengaruhdarilocdalam perhitunganjarak. Penerapan Peringkat Hasilyangdinginkandalam pengujian iniadalahpenggabungannilaicddanloc dapat meningkatkan kinerja secara keseluruhan.untukitu,diperlukanproporsi yang tepat dalam penggabungan kedua macam atributtersebut.penggunaanmetode lama yang tanpa bobot atau bobotnya disetarakanbukanmerupakansolusiyang tepatkarenanilaidari15jeniscd lebih cenderung mendominasi. Beberapa penelitianterbarutelahmenggunakanbobot berbedapadamasing-masingatributseperti yangdiusulkanolehstensruddanmyrtveit (Rintala et al. 2001). Metode tersebut memerlukan analisis lebih lanjut dalam penentuanbobotmasing-masingatribut. Pada penelitian inidigunakan metode alternatif baru untuk menanggulangi kelemahan metode lama. Metode ini merupakansedikitmodifikasidarimetode analogy based estimation. Metode ini didasarkan dariadanyaurutan kedekatan jarak pada setiap proyek. Baik pada pengujianmenggunakanloc maupuncd pastiterdapaturutankedekatanjarakproyek. Urutankedekatanproyekinimengabaikan besarkecilnyaselisihjarakantarperingkat dan antarpengujian.dengan menerapkan peringkat sebagai ukuran penghitungan jarak,diharapkantidakadadominasidari atribut tertentu sehingga penggabungan perangkatlunakdancddapatmenghasilkan nilaiyanglebihbaik. Prinsip penerapan peringkat pada metode analogy based estimation adalah sebagaiberikut: 1. Jarak LOC proyek ujidengan calon proyekanalogidihitung secaraterpisah. 2. Calon proyek analogi kemudian diurutkan berdasarkan jaraknya dari yangterkecilsampaiyangterbesar. 3. Proyek analogidengan jarak terkecil menempatiperingkatke-1.makinbesar jaraknya, maka peringkatnya makin bertambah. 4. Penerapan peringkat juga dilakukan padacddenganmekanismeyangsama. 5. Peringkat LOC dijumlahkan dengan peringkatcd menghasilkanperingkat total. 6. Duaproyek yang memilikiperingkat totalterkecildipilih sebagaiproyek analogi. Untuklebihjelasnyadapatdilihatflowchart padalampiran8. Untuk menguji kinerja metode ini, digunakankelompokdatadanmekanisme pengujian yang samasepertisebelumnya agarhasilnyadapatdibandingkan.pengujian pertama dilakukan pada kelompok data COCOMO 81. Galat pada tiap hasil pengujian kemudian dihitung dengan menggunakanmre.setelah semuamre pengujiandidapat, selanjutnyadihitungmin MRE,max MRE,MMRE,MdMRE,dan SDMRE.HasilpengujiandannilaiMRE dapatdilihatpadalampiran9,sedangkan nilaigalatlainnyadapatdilihatdapatdilihat padalampiran10.untukmembandingkan langsung kinerja penerapan peringkatini dengan pengujian sebelumnya,disediakan grafikperbandinganmreantarapenerapan peringkat dengan penggunaan perangkat lunak yang merupakan tahap pengujian terbaik pada metode sebelumnya.grafik MREtersebutdapatdilihatpadaGambar4.

17 MRE (%) Pengujian LOC Penerapan Peringkat Gambar4GrafikMRELOCdanpenerapanperingkatpadaCOCOMO81 PadaGambar4terlihatbahwanilaiMRE daripengujiandengan penerapanperingkat cenderunglebihkecildibandingpengujian denganloc.grafikmrepadapengujian dengan penerapan peringkatjuga terlihat lebih stabildibandingkan dengan grafik MREpadapengujiandenganmenggunakan LOC. Terdapat beberapa nilai pencilan tinggipada pengujian dengan penerapan peringkat.nilai-nilaipencilantinggipada pengujian dengan penerapan peringkat masihlebihjauhlebihrendahdibandingkan dengan nilai-nilai pencilan tinggi pada pengujiandenganmenggunakanperangkat lunak. Untuklebihrincinyadapatdilihat padalampiran10.nilaimre maksimal pengujiandenganpenerapanperingkatjuga jauh lebih kecil daripada nilai MRE maksimal pada pengujian dengan menggunakanloc.rata ratadanmedian MRE pada pengujian menggunakan penerapan peringkatsebesar81,68% dan 55,70% jugalebihkecildibandingkanrata rata dan median MRE pada pengujian denganmenggunakanloc.walaupunpada metode sebelumnya pengujian dengan menggunakanlocmempunyairesikoyang lebih kecilsertakinerjayang 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 peringkatpada metode analogy based estimation ini menunjukkankinerjayanglumayanbaik. Walaupunnilaigalatyangdihasilkanmasih terbilang besar,namun metoderatingini dapatmenggabungkanpengaruhloc dan CD hinggamencapaihasilyanglebihbaik daripadametodesebelumnya. Penerapan peringkat pada metode analogy based estimation inijugadiujipada kelompok data mission planning NASA dengan menggunakan mekanisme yang sama. Galat pada tiap hasil pengujian kemudian dihitung dengan menggunakan MRE.Setelahsetiappengujiandihitungnilai MRE,selanjutnyadihitungnilaimin MRE, max MRE,MMRE,MdMRE,danSDMRE. HasilpengujiandannilaiMREdapatdilihat padalampiran 11,sedangkan nilaigalat lainnya dapatdilihatdapatdilihatpada Lampiran 12. Untuk membandingkan langsung kinerja penerapan peringkatini dengan pengujian sebelumnya,disediakan grafikperbandinganmreantarapenerapan peringkat dengan penggunaan perangkat lunak yang merupakan tahap pengujian terbaik pada metode sebelumnya.grafik MREtersebutdapatdilihatpadaGambar5.

18 MRE (%) Pengujian LOC Penerapan Peringkat Gambar5GrafikMRELOCdanpenerapanperingkatpadamission planning NASA PadaGambar5terlihatbahwanilaiMRE daripengujiandengan penerapanperingkat cenderunglebihkecildibandingpengujian denganloc.grafikmrepadapengujian dengan penerapan peringkatjuga masih lebih stabildibandingkan dengan grafik MREpadapengujiandenganmenggunakan LOC.Kedua nilaipencilan tinggipada pengujianmenggunakanlocterlihatsangat jelaspadagrafiknyadigambar5.kedua nilaipencilan tinggitersebutlebih besar daripada nilai MRE maksimal pada pengujiandenganpenerapanperingkat. Sama sepertipengujian menggunakan LOC dancd sekaligus,pengujiandengan penerapanperingkatinijugamenghasilkan nilaimre sebesar0,00% padapengujian ke-5.nilairata ratadanmedianmrepada pengujiandenganpenerapanperingkatini 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 maksimal membuatresikoperkiraanbiaya yangterlaluberlebihansemakinberkurang. KESIMPULAN DAN SARAN Kesimpulan Padapengujiandenganmetode analogy based estimation,dapatdilihatbahwahasil terbaikpadakelompokdatacocomo 81 ditunjukkanapabilahanyadigunakanloc dalam pengujian.padapengujiankelompok datacocomo81menggunakanloc,nilai rata ratamresebesar198,12% dengan median 79,28%. Pada kelompok data mission planning NASA,nilairata rata MREpengujianmenggunakanLOCsebesar 67,78% merupakanyangterbaikdarisemua tahap pengujian. Untuk median MRE, pengujiandenganmenggunakanloc dan CD sekaligus menghasilkan nilai yang terbaikyaitusebesar46,79%. Padapengujianmetodeanalogy based estimation dengan penerapan peringkat, untukkelompokdatacocomo81 nilai rata rata MREsebesar81,68% dannilai mediannyasebesar55,70%.padapengujian untuk kelompok data mission planning NASA,nilairata 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.Pengujiandilakukandengankelompokkelompok datalain.sebaiknyasemua proyekpadatiapkelompokdataberasal dariperusahaanyangsama. 2.Metode penerapan peringkat pada metodeanalogy based estimation dapat digabungkandenganmetodelainseperti penerapanbobotataupunprinsipfuzzy. 3.Untukperhitunganbiaya,dapatdicoba interpolasidaribeberapabiayaproyek terdekat atau diterapkan pembobotan yang berbedapadatiap biayaproyek terdekat.

19 11 DAFTAR PUSTAKA Al-Sakran,Hasan.2006.Software Cost Estimation Model Based on Integration of Multi-agent and Case-Based Reasoning.Journalof ComputerScience2.ISSN,3: htp:/ cs pdf[20juni2006] Briand,Lionel.etal.1999.An Assessment and Comparison of Common Software Cost Estimation Modeling Techniques.InternationalSoftware Engineering Network Technical Report. htp:/coblitz.codeen.org:3125/cites eer.ist.psu.edu/cache/papers/cs/291 6/htp:zSzzSzwww.iese.fhg.dezSzI SERNzSzpubzSztechnical_reportsz Szisern pdf/briand99asesment.pdf[20 Juni2006] Idri,Ali.etal.2001.Fuzzy Analogy : A New Approach for Software Cost Estimation. InternationalWorkshop on Software Measurement. Montreal, Canada. htp:/ ions/pdf/670.pdf[20juni2006] Leung, Hareton. dan Zhang Fan Software Cost Estimation. DepartementofComputing,The HongKongPolytechnicUniversity. htp:/paginaspersonales.deusto.es/c ortazar/doctorado/articulos/leunghandbook.pdf[20juni2006] NASA CostEstimating Web Site htp:/cost.jsc.nasa.gov/cocomo. html PromiseSoftwareEngineering Repository data set htp:/promise.site.uotawa.ca/sere pository[21desember2006] Rintala,Kai.etal.2001.Analogy Based Estimation in Building Services. Construction Informatics Digital Library. htp:/itc.scix.net/data/works/at/w content.pdf [21 Desember2006] Saliu, MoshoodOmolade.2003.Adaptive Fuzzy Logic Based Framework For Software Development Effort Prediction.KingFahdUniversity ofpetroleum& Minerals. Shepperd,M.danSchofield,C.1996.Effort Estimation using Analogy. Proceedings of the 18th International Conference on Software Engineering. Berlin, Germany. htp:/delivery.acm.org/ / /227758/p170- shepperd.pdf?key1=227758&key2= &col=&dl=ACM&CF ID= &CFTOKEN= [24Januari2007]

20 LAMPIRAN

21 13 Lampiran1Flowchart metodeanalogy based estimation Atribut proyek uji Atribut proyek lain tidak Menghitung jarak antar atribut proyek Semua proyek sudah terambil ya Mengurutkan proyek berdasarkan jarak antar atribut Memilih 2 proyek dengan jarak terdekat Menghitung ratarata biaya aktual 2 proyek sebagai biaya estimasi

22 14 Lampiran2KelompokdataCOCOMO81 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 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 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 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, ,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, ,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, ,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, ,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, ,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, ,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, ,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, ,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, ,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, , ,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, , , ,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 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, , ,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, ,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, ,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, ,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, ,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, ,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, ,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, ,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, ,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, ,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, , ,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, ,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, ,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, ,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, ,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

23 15 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 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 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 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, ,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, ,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 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, ,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, ,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, ,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, ,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, ,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 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, ,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, ,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, ,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, ,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 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, ,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, ,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 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, ,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 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, ,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 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, ,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 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

24 16 Lampiran3Kelompokdatamission planning NASA 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 Keterangan : vl=very low n=nominal vh=very high l=low h=high xh=extra high

25 17 Lampiran4HasilpengujiandannilaiMRECOCOMO81 LOC CD LOC & CD No Aktual (PM) Estimasi MRE (%) Estimasi MRE (%) Estimasi MRE (%) (PM) (PM) (PM) ,00 483,50 76,30 920,00 54,90 920,00 54, , ,00 456,25 96,50 93,97 404,00 74, , ,00 468, , , ,50 734, ,00 555,00 131, ,00 658, ,00 658, ,00 124,50 277,27 679, ,09 679, , ,00 40,50 5,81 697, ,93 697, ,9 7 8,00 37,50 368,75 33,50 318,75 33,50 318, ,00 53,00 95, ,50 6, ,50 6, ,00 204,00 51,77 518,50 22,58 518,50 22, ,00 66,50 79,28 113,50 64,64 113,50 64, ,00 255,00 16,97 165,00 24,31 165,00 24, ,00 314,50 56,47 11,50 94,28 11,50 94, ,00 153,00 93,67 312,00 294,94 312,00 294, ,00 8,50 85,83 597,50 895,83 597,50 895, ,00 26,00 57,38 147,00 140,98 147,00 140, ,00 13,00 67,50 307,00 667,50 307,00 667, ,00 52,00 477,79 322, ,33 322, , , ,00 64, ,00 71, ,00 71, ,00 987,00 85, ,50 81, ,50 76, , ,00 1, ,00 10, ,00 10, , ,00 62, ,50 45,07 383,00 84, , ,50 57,67 370,00 48,90 370,00 48, ,00 289,50 46,29 477,00 11,50 477,00 11, ,00 347,50 23,29 113,00 75,06 113,00 75, ,00 153,50 70, ,50 765, ,50 149, ,00 325,00 16,02 30,50 92,12 30,50 92, ,00 26,50 69,89 123,00 39,77 123,00 39, ,00 47,00 52, , , , , ,30 6,95 4,80 117, ,75 117, , ,90 7,65 29,66 118, ,02 118, , ,00 143,50 86,50 307,00 71,12 307,00 71, , ,00 802,56 823,50 17,31 823,50 17, ,00 284,00 53,06 24,50 95,95 24,50 95, ,00 53,00 76,96 631,50 174,57 631,50 174, ,00 55,00 32,93 499,50 509,15 499,50 509, ,00 22,50 59,09 640, ,64 57,00 3, ,00 651, ,17 355,00 655,32 11,50 75, ,00 44,00 266,67 29,00 141,67 29,00 141, ,00 29,00 262,50 108, ,00 108, , ,00 34,50 331,25 45,00 462,50 45,00 462, ,00 27,00 350,00 29,00 383,33 29,00 383, ,00 496, ,22 116,00 157,78 116,00 157, ,00 185,50 123,49 66,00 20,48 66,00 20, ,00 320,50 268,39 94,50 8,62 94,50 8, ,00 362,00 241,51 85,50 19,34 85,50 19, ,00 801,00 535,71 75,50 40,08 75,50 40, ,00 150,00 316,67 11,50 68,06 11,50 68, , ,00 375,71 25,50 98,00 25,50 98, ,00 496,00 217,95 42,50 72,76 42,50 72, ,00 100,00 43,18 79,00 55,11 79,00 55, ,00 51,50 57,79 657,50 438,93 65,00 46, ,00 63,00 53,66 69,50 69,51 69,50 69, ,00 23,00 64,29 405, ,86 405, , ,00 52,00 160,00 42,50 112,50 42,50 112,50

26 18 Lanjutan LOC CD LOC & CD No Aktual (PM) Estimasi MRE (%) Estimasi MRE (%) Estimasi MRE (%) (PM) (PM) (PM) 55 18,00 24,00 33,33 640, ,56 640, , ,00 66,50 93,06 240,00 74,95 240,00 74, ,00 22,50 90,51 486,00 105,06 486,00 105, ,00 127,50 1,92 403,00 210,00 403,00 210, ,00 133,00 90,00 32,50 53,57 32,50 53, ,00 13,00 77,19 690, ,40 690, , ,00 520,50 941,00 41,00 18,00 41,00 18, ,00 51,50 35,53 218,50 475,00 218,50 475, ,00 105,00 600,00 60,00 300,00 60,00 300,00 Lampiran5AgregatgalatCOCOMO81 Galat LOC CD LOC & CD Min MRE(%) 1,56 6,00 3,64 Max MRE(%) 1.286, , ,33 MMRE(%) 198,12 550,71 492,58 MdMRE(%) 79,28 105,06 94,28 SDMRE(%) 261,32 876,46 866,67 Lampiran6HasilpengujiandannilaiMREpadamission planning NASA LOC CD LOC & CD No Aktual (PM) Estimasi MRE (%) Estimasi MRE (%) Estimasi MRE (%) (PM) (PM) (PM) 1 72,00 21,00 70,83 60,00 16,67 60,00 16, ,00 77,50 7,64 204,00 183,33 204,00 183, ,00 45,00 87,50 48,00 100,00 48,00 100, ,00 287,50 20,14 60,00 83,33 198,00 45, ,00 60,00 66,67 204,00 466,67 36,00 0, ,00 360,00 67,44 54,00 74,88 210,00 2, ,00 89,50 86,46 36,00 25,00 36,00 25, ,00 287,50 20,14 48,00 86,67 198,00 45, ,00 585,00 80,56 216,00 33,33 216,00 33, ,00 83,50 39,17 48,00 20,00 48,00 20, ,00 42,00 12,50 36,00 25,00 36,00 25, ,00 83,50 39,17 192,00 220,00 192,00 220, ,00 48,00 166,67 210, ,67 192,00 966, , ,00 190,95 216,00 48,57 216,00 48, ,00 60,00 76,19 240,00 4,76 60,00 76, ,00 60,00 43, , , ,00 918, ,00 287,50 61, ,50 48, ,00 58, ,00 372,00 82,45 428,50 79,79 428,50 79,79