Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya

PENGEMBANGAN COST DRIVER MODEL COCOMO II DENGAN MODIFIKASI NILAI ATRIBUT ANALYSIS CAPABILITY UNTUK ESTIMASI USAHA PERANGKAT LUNAK Sri Andayani1, L. Anang Setiyo2 Sekolah Tinggi Teknik Musi Palembang1 Universitas Widya Mandala Madiun2 Pos-el : andayani_s@yahoo.com1 , lanangsetiyo@yahoo.co.id2

2012

Abstrak: Estimasi pembangunan perangkat lunak adalah proses memperkirakan upaya untuk pengembangan perangkat lunak. Upaya adalah usaha(orang/bulan), jadwal(bulan) dan biaya pembangunan perangkat lunak. Modifikasi model COCOMO II umum yang disesuaikan dengan lingkungan pemrograman lokal dianggap dapat meningkatkan akurasi dan prediksi estimasi perangkat lunak. Analysis Capability adalah salah satu atribut pada cost driver model COCOMO II yang menilai pekerjaan proyek berdasarkan sumber daya manusia karenanya dianggap penting dalam kegiatan suatu organisasi. Penelitian ini menggunakan 29 dataset dari beberapa perusahaan pengembang perangkat lunak. Tujuan penelitian ini adalah untuk menentukan persentase rating nilai atribut ACAP modifikasi model COCOMO II dibandingkan dengan model COCOMO II umum serta untuk mengetahui tingkat akurasi dan prediksi model COCOMO modifikasi terhadap estimasi perangkat lunak. Hasil penelitian didapat bahwa modifikasi nilai atribut ACAP model COCOMO II memberikan prediksi 50% dan akurasi 37% sedangkan model COCOMO II umum memberikan prediksi 40% dan akurasi 33% terhadap estimasi usaha perangkat lunak. Terdapat peningkatan hasil prediksi 10% dan akurasi 4% perbandingan antara model COCOMO modifikasi dengan model COCOMO umum. Kata Kunci: COCOMO II, COCOMO Modifikasi, Faktor Skala, Cost Driver, Estimasi Abstract: Software project estimation is the process of estimation effort for software development. Effort is the people (person/month), sechedule(month) and cost of software development. Modification of model COCOMO II general adapted to the local programming environment is considered to improve the accuracy of estimation and prediction software. Analysis Capability is one of the attributes in cost driver COCOMO II models that assesses the work of the project based on human resource therefore considered important in the activities of an organization. This study used 29 datasets from several software development company. The goal of this sudy was to determine the percentage rating the value of the attribute ACAP modification COCOMO II models compared with the general model of COCOMO II and to determine the accuracy and predictive estimation COCOMO modification models to the software. The study found that the modification of attribute ACAP COCOMO II models provide prediction 50% and accuracy 37% while the general model of COCOMO II gives the prediction 40% and accuracy 33% of software effort estimation. There is an increase un the prediction 10% and accuracy 4% of the comparison between COCOMO modification models with general model of COCOMO II. Key Word: COCOMO II, COCOMO Modification, Scale Factor, Cost Driver, Estimation I. Pendahuluan Dalam pembuatan perkiraan (estimasi) biaya dan usaha dalam sebuah proyek sangat penting, hal ini di gunakan untuk mengetahui tingkat keberhasilan dalam membangun sebuah proyek. Estimasi proyek perangkat lunak berbedan dengan pembangunan proyek fisik, sebagai contohnya proyek pembangunan jembatan, gedung, dan lainnya. Dalam membuat perkiraan biaya dan usaha untuk proyek fisik dapat dilakukan dengan lebih realistis, hal ini karena semua komponen yang ada dalam proyek dapat diestimasi dengan perkiraan secara fisik pula, sedangkan dalam sebuah proyek perangkat lunak, estimasi biaya dan usaha relatif lebih sulit karena karakteristik-karakteristik yang ada sangat berkaitan dengan sifat alami perangkat lunak khususnya kompleksitas, abstrak dan sebagian besar lebih banyak dilakukan oleh manusia, porsi yang dapat dilakukan oleh mesin sangat sedikit. Mengapa penting estimasi dalam pembangunan proyek perangkat lunak?, sebagai contoh, jika hasil estimasi terlalu kecil dari biaya aktual maka akan mengakibatkan kualiats dari perangkat lunak yang dihasilkan rendah, sebaliknya, apabila perkiraan biaya akan mengakibatkan pemborosan pada sumber daya yang dipakai. Penyesuaian nilai ketetapan pada model COCOMO II terus dilakukan karena berbedanya lingkungan pemrograman di tiap Negara. Beberapa peneliti melakukan proses kalibrasi dan modifikasi terhadap aspek faktor skala dan cost driver model COCOMO II dengan model estimasi lainnya sehingga menghasilkan koefisien baru yang telah disesuaikan dengan lingkungan pemograman lokal [9]. Salah satu atribut pada cost driver (pengendali biaya) model COCOMO II adalah atribut analysis capability. Atribut analysis capability menilai pekerjaan proyek berdasarkan faktor
111 Jurusan Ilmu Komputer, FMIPA, Universitas Udayana

sumber daya manusia sebagai salah satu aspek yang penting dan relevan dengan manajemen proyek perangkat lunak dimana yang termasuk dalam faktor ini adalah pekerja yang terlibat pada proyek tersebut. Pekerja bisa mengarahkan terjadinya perbaikan atau menurunkan kinerja organisasi yang mencakup biaya dan jadwal pembangunan perangkat lunak. Disamping itu, faktor manusia dianggap rumit karena perbedaan kemampuan tiap individu dan lingkungannya [7]. 1.1 Tujuan Penelitian (1) Memodifikasi nilai atribut analysis capability pada aspek cost drivers model COCOMO II dan (2) Membandingkan akurasi hasil estimasi usaha pembangunan perangkat lunak yang menggunakan model COCOMO II dengan hasil estimasi usaha pembangunan perangkat lunak yang menggunakan model COCOMO modifikasi serta mengevaluasi performansi hasil COCOMO modifikasi. 1.2 Manfaat Penelitian Nilai atribut analysis capability modifikasi sebagai pengendali biaya proyek dapat dijadikan acuan untuk estimasi pembangunan perangkat lunak berikutnya. Estimasi yang dihasilkan bisa membantu tercapainya profesionalisme dalam menyusun dan melaksanakan proyek perangkat lunak. Sistem yang dihasilkan dapat dimanfaatkan untuk penelitian lanjutan atau pengembangan perangkat lunak lanjutan. II. 2.1 Materi dan Metode Penelitian sebelumnya Dari beberapa penelitian yang sudah pernah dilakukan, metode COCOMO sangat membantu dalam analisa estimasi perangkat lunak, [12] melakukan penelitian terhadap pengaruh kompresi jadwal pada usaha proyek dimana jadwal menjadi salah satu dari tiga tahapan perencanaan proyek. Untuk membandingkan efek dari ketiga kendala pada proyek ini dengan memahami pengaruh masing-masing hasil proyek. Kompresi jadwal(SCED) adalah salah satu atribut yang terdapat pada cost driver model COCOMO II. Pada penelitian ini [12] menyajikan penyelidikan efek kompresi jadwal (SCED) pada proyek perangkat lunak pengembangan usaha dan biaya. Ada tiga penelitian yang dilakukan yaitu: (1) Mengikuti effort multipliers ideal (IEM) analisis cost driver SCED dari model COCOMO II. IEM digunakan untuk menormalkan efek buruk dari atribut yang akan dianalisis pada penelitian. (2) Membandingkan jadwal nyata rasio kompresi yang didapatkan dari 161 proyek industri dan rasio diwakili oleh SCED cost driver. Perbandingan yang dilakukan dengan menggunakan model COCOMO 81 dan model COCOMO II. (3) Analisis yang didapatkan bahwa satu set rating baru diusulkan peringkat pengendali SCED untuk COCOMO II diperkenalkan yang menunjukkan perbaikan dari 6% pada akurasi model estimasi. Penelitian [7] dilakukan terhadap model COCOMO II yang disesuaikan dengan kondisi pengembangan perangkat lunak di negara tersebut. Penelitian lebih tertuju pada aspek atribut analysis capabilitysebagai cost driver pada model COCOMO II dan dikombinasikan dengan model People-CMM. Pada penelitian ini dijelaskan faktor manusia (Human Factor) adalah salah satu relevansi yang terpenting dan aspek yang krusial pada manajemen pengembangan proyek perangkat lunak. Tujuannya adalah perbaikan unjuk kerja untuk menyelesaikan perangkat lunak pada organisasi. Dalam penelitian [6] menjelaskan tujuan penelitian ini adalah melakukan estimasi perangkat lunak dengan menggunakan tingkatan early desain model COCOMO II. Hasil akhirnya adalah tingkatan early desain model COCOMO II dapat diterapkan dalam memprediksi biaya (usaha dan jadwal) perangkat lunak. Penelitian tentang aspek PMAT (Process Maturity) sebagai scale factor COCOMO II [10] untuk mengetahui pengaruhnya pada jadwal perangkat lunak. Tujuan penelitian ini adalah mendapatkan nilai baru faktor skala yang telah disesuaikan dengan lingkungan lokal mereka. Dengan 40 dataset didapatlah nilai PMAT baru yang diberi nama Ideal Scale Factor (ISF PMAT). Hasil penelitian menyatakan bahwa ISF-PMAT berhasil mengestimasi jadwal lebih dekat ke jadwal aktual dibandingkan dengan estimasi jadwal yang didapat dari model COCOMO II. ISF-PMAT memberikan perbaikan akurasi model COCOMO II dengan PRED 20% yaitu 13% untuk CMMI level satu (Lower Half), 12% untuk CMMI level one (Upper Half), 37% untuk CMMI level dua, 50% untuk CMMI level tiga dan 38% untuk CMMI level empat. Penelitian tentang aspek proses kematangan (PMAT) sebagai Scale Driver model COCOMO II [11] untuk mengetahui pengaruhnya pada estimasi usaha. Hipotesa kerja yang disajikan adalah bahwa berasal dari satu set nilai PMAT baru di bawah CMMI, akan meningkatkan daya prediksi model COCOMO II dan membuatnya tepat untuk diterapkan dalam organisasi pembangunan perangkat lunak yang mengadopsi CMMI. Akurasi estimasi biaya pengembangan perangkat lunak sangat penting dalam perencanaan, penganggaran proyek dan efektif dalam kendali manajemen proyek. Salah satu input yang paling penting untuk biaya perangkat lunak estimasi model COCOMO II adalah proses PMAT. Ditunjukan bahwa arus nilai untuk scale factor PMAT COCOMO II tidak cukup mencerminkan dampak CMMI-based. Hasil penelitian adalah didapatkan nilai PMAT baru (Ideal Scale Factor-PMAT) yang lebih mencerminkan dampak proses CMMI-based pada usaha pengembangan perangkat lunak. Nilai baru tersebut menghasilkan perbaikan akurasi dalam model COCOMO II dalam hal PRED (30) sebesar 12% untuk CMMI

Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya

2012

tingkat satu (bagian bawah), 13% untuk satu tingkat CMMI (atas setengah), 37% untuk dua tingkat CMMI, 50% untuk tingkat tiga CMMI dan 25% untuk organisasi tingkat empat CMMI. Penelitian terhadap model COCOMO II selanjutnya ditunjukkan pada [8]. Penelitian dilakukan dengan memodifikasi terhadap enam atribut analysis capabilitycost driver model COCOMO II. Tujuan dari modifikasi adalah untuk mendapatkan koefisien baru yang disesuaikan dengan lingkungan pemograman lokal. Modifikasi dilakukan terhadap atribut analysis capability aspek cost driver dimana atribut ini mengukur pekerjaan berdasarkan kemampuan dan pengalaman pekerja pada proyek pembangunan perangkat lunak. Hasil dari penelitian ini adalah didapatkan nilai baru atau rating baru untuk enam atribut personel. Rating baru tersebut digunakan pada model COCOMO modifikasi dan diperbandingkan dengan model COCOMO II. Hasil uji MMRE dan PRED 25% pada usaha model COCOMO II dibandingkan usaha aktual adalah 13,1% dan 80% sedangkan hasil uji pada usaha model COCOMO modifikasi dengan usaha aktual adalah 13,0% dan 90%. Terdapat perbaikan tingkat akurasi estimasi adalah sebesar 0,1% dan tingkat prediksi (25%) adalah sebesar 10%. 2.2 Model COCOMO COCOMO merupakan sebuah model yang didesain oleh Barry Boehm pada tahun 1981, model ini untuk memberikan estimasi jumlah person-months yang dibutuhkan untuk mengembangkan suatu proyek perangkat lunak. Satu hasil observasi yang paling penting dalam model ini adalah bahwa motivasi dari tiap orang yang terlibat ditempatkan sebagai titik berat. Hal ini menunjukkan bahwa kepemimpinan dan kerja sama tim merupakan sesuatu yang penting, namun demikian poin pada bagian ini sering diabaikan. Pada saat ini terdapat lima teknik estimasi yang dapat digunakan untuk menghasilkan estimasi yang sesuai atau hampir sama dengan upaya yang sebenarnya. Kelima teknik estimasi tersebut adalah: (1) pemodelan biaya algoritmik (2) penilaian sistem pakar (3) estimasi dengan analogi (4) hukum Parkinson (5) Penentuan harga untuk menang.COnstructive COst Model II (COCOMO II) adalah salah satu contoh dari teknik estimasi pemodelan biaya algoritmik yang merupakan pembaharuan dari versi COCOMO 81 [1]. COCOMO II memiliki submodel diantaranya (1). Komposisi aplikasi : digunakan ketika perangkat lunak terdiri dari bagian-bagian yang sudah ada (pembuatan prototype), (2). Early Design (desain awal model), digunakan ketika persyaratan tersedia, tetapi jika desain belum ada tidak bisa dimulai, (3). Post-Architecture model, digunakan pada saat proyek siap untuk dikembangkan, proyek harus memiliki arsitektur siklus hidup yang memberikan informasi yang lebih akurat pada masukan-masukan penggerak biaya dan memungkinkan estimasi biaya untuk lebih akurat. Pada tingkat Post-Architecture terdapat dua aspek penting pada tingkat Post-Architecture model COCOMO II yaitu lima scale factor (faktor skalar) adalah faktor penentu eksponen yang digunakan dalam effort equation (persamaan usaha) dan 17 atribut cost driver (pengendali biaya) adalah faktor pengali yang menentukan usaha yang diperlukan untuk menyelesaikan proyek perangkat lunak [3]. 2.3 Metodologi Penelitian Dalam penelitian ini dataset yang digunakan untuk penelitian diperoleh dari beberapa perusahan pengembang perangkat lunak. Gambar 1 menunjukkan alur sistem dalam proses penelitian yang akan digunakan.

Gambar 1. Alur Sistem Penelitian Proses modifikasi model COCOMO II berguna untuk mendapatkan koefisien yang sesuai dengan lingkungan pemograman lokal di masing-masing negara Modifikasi atribut cost driver merupakan metode untuk menormalkan efek yang buruk pada produktivitas pembangunan perangkat lunak sehingga menyebabkan rendahnya tingkat akurasi dari estimasi upaya. Tahap-tahap proses modifikasi atribut analysis capability cost driver model COCOMO II.
113 Jurusan Ilmu Komputer, FMIPA, Universitas Udayana

2.4

Pengumpulan Data Dalam pengambilan data, peneliti menyebarkan kuesioner yang dibuat berdasarkan Center for Software Engineering COCOMO II [4]. Kuisioner yang di sebar lebih dari 50 kuesioner dan didistribusikan ke tujuh perusahaan pengembang perangkat lunak, dari 50 kuisioner yang disebar yang kembali hanya 40 kuesioner. Prosedur pengumpulan data terbagi atas: (1) Tahap Seleksi Awal, jika terdapat kuesioner yang tidak lengkap jawabannya atau dalam menjawab kuesioner tidak konsisten, maka kuesioner tersebut akan dieliminasi. (2) Tahap Verifikasi, Dataset proyek yang terkumpul diverifikasi kembali oleh manajer proyek atau pimpinan tim proyek. (3) Tahap Uji Validasi, Dataset proyek dilakukan uji validasi dan disimpulkan bahwa semua dataset yang terkumpul adalah valid. (4) Pembagian Data, dataset proyek kemudian dibagi menjadi dua bagian yaitu: 19 dataset proyek digunakan untuk proses modifikasi dan 10 dataset proyek digunakan untuk proses estimasi usaha [10]. III. Hasil Pembahasan 3.1 Modifikasi Atribut Analysis Capability Model COCOMO II Modifikasi atribut analysis capability cost driver model COCOMO II dataset yang telah dikumpulkan, digunakan untuk mendapatkan effort multiplier yang ideal (IEM). IEM ini digunakan untuk menormalkan efek buruk dari atribut yang akan dianalisis [3]. Langkah modifikasi atribut adalah: 1. Hitung Usaha (P,CdaModif) dengan menggunakan persamaan [9]: .........................................................................(1) A = 2,94 EM_but_Modif adalah effort multilpier kecuali atribut yang dianalisis sehingga ada 16 atribut cost driver yang dihitung. B = 1,01 + 0,01 * (eksponen faktor skala) ...................(2) 2. Menghitung IEM(P,CDA) dengan persamaan [9]: ......................................................................................................(3) 3. Mengelompokkan IEM(P,CDA) dengan mengunakan tabel rating untuk atribut analysis capability (contoh: VL,L,N,H,VH) 4. Menghitung nilai rata-rata untuk setiap kelompok sebagai IEM-CDA nilai rating dimana hasil akhirnya adalah rating baru. Rating baru yang didapat dari proses modifikasi atribut analysis capability cost driver ditunjukkan pada Tabel 1. Tabel 1. Rating Baru Atribut Analysis Capability Cost Driver Model COCOMO II Atribute ACAP Modifikasi ACAP COCOMO II VL 2,22 1,42 L 1,3 1,19 N 1,05 1 H 0,93 0,85 VH 0,61 0,71

3.2 Estimasi Usaha COCOMO II Estimasi usaha adalah proses untuk mengetahui seberapa banyak orang-bulan yang bekerja dalam satu proyek pada suatu waktu. Dalam estimasi ini model yang digunakan adalah model COCOMO II. Skenario estimasi usaha adalah menggunakan data aktual yang didapat dari beberapa perusahaan pengembang perangkat lunak seperti jumlah ukuran (size dalam KLOC), PM aktual, lima aspek faktor skala dan 17 atribut cost driver. Perhitungan usaha pada setiap submodel COCOMO II adalah berbeda. Untuk submodel perancangan dini dan pasca arsitektur (Post-Architecture) menggunakan persamaan [2]: ..........................(4) Dimana: PM : usaha dalam person-month A : konstanta (pada COCOMO II nilai A=2,94) Size : jumlah function point (dalam KLOC) atau Source Lines of code (dalam KLOC) B : eksponen faktor skala EM : effort multiplier (pengendali biaya) Sedangkan eksponen B dapat diturunkan dari rumus [2]: B = E + 0,01 * (eksponen faktor skala) Dimana: E : eksponen dengan nilai 1,01 Perhitungan ini memprediksi jadwal nominal untuk proyek.

Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya

2012

Nilai faktor skala dan cost driver seluruh proyek yang dilakukan proses estimasi usaha Cocomo dapat ditunjukkan pada Tabel 2 dan Tabel 3. Tabel 2. Nilai Faktor Skala COCOMO II

Pada Tabel 2 berisikan nilai lima faktor skala dan total penjumlahan dari seluruh data proyek yang dilakukan proses pengujian. Sedangkan Tabel 3 adalah nilai cost driver COCOMO II dari seluruh proyek yang akan diujikan Tabel 3. Nilai Cost driver COCOMO II

Pada Tabel 3 merupakan nilai 17 atribut cost driver dan perkaliannya dari seluruh data proyek yang dilakukan proses pengujian. 3.3 Estimasi Usaha COCOMO Modifikasi Estimasi usaha menggunakan model COCOMO II modifikasi adalah proses untukmenghitung seberapa banyak orang-bulan yang bekerja pada satu proyek pada suatu waktu. Model yang digunakan adalah model COCOMO II tetapi dengan atribut analysis capability cost driver yang telah dimodifikasi disesuaikan dengan lingkungan pemograman. Tabel 4. Nilai 17 Cost driver Modifikasi COCOMO II

Pada Tabel 4 berisikan nilai 17 atribut cost driver dengan atribut personel telah mengalami perubahan nilai atau koefisien pada atribut analysis capability karena telah dimodifikasi.

115

Jurusan Ilmu Komputer, FMIPA, Universitas Udayana

Hasil estimasi usaha model COCOMO II dan model COCOMO Modifikasi dapat ditunjukkan pada Tabel 5. Tabel 5. Perbandingan Usaha Aktual, Usaha COCOMO dan Usaha Modifikasi Aktual Estimasi COCOMO Estimasi Modif Project ID (Usaha) (Usaha) (Usaha) Proyek 05 1095 824 902 Proyek 09 1712 587 642 Proyek 10 1465 354 387 Proyek 14 2836 3552 4627 Proyek 18 2085 1650 2315 Proyek 19 1288 930 977 Proyek 24 1936 2284 2046 Proyek 25 1354 688 530 Proyek 26 2436 1744 1836 Proyek 29 3764 4415 4898 Gambar 2 merupakan grafik perbandingan usaha aktual dengan usaha COCOMO II, sedangkan pada Gambar 3 adalah grafik perbandingan usaha aktual dengan usaha modifikasi.

Gambar 2. Grafik Perbandingan Usaha Aktual dengan Usaha COCOMO II

Gambar 3. Grafik Perbandingan Usaha Aktual dengan Usaha Modifikasi Model Akurasi Estimasi Usaha Akurasi adalah menunjukkan kedekatan antara nilai prediksi/model dengan nilai aktual (real). Jika nilai prediksi mendekati nilai aktual maka dikatakan bahwa akurasinya baik. Artinya tidak menyumbang error terlalu besar. Untuk mengukur tingkat akurasi maka digunakan model Relative Error (RE) dan Magnitude of Relative Error (MRE) serta PRED 25%. 3.4.1 Relative Error (RE) dan Magnitude of Relative Error (MRE) Fokus pada akurasi dari model yang diperkirakan adalah pada sejauh mana model usaha perkiraan diukur dari Person-Month (Usaha Modif) sesuai dengan usaha yang sebenarnya (Usaha Aktual). Jika model perkiraan ini sempurna (dalam hal ini jarang terjadi) maka untuk tiap proyek, Usaha Modif = Usaha Aktual. 3.4

Proceeding Seminar Nasional Teknologi Informasi & Aplikasinya

2012

Sebuah kriteria umum untuk evaluasi model estimasi biaya adalah Relative Error (RE) atau Magnitude of Relative Error (MRE), yang didefinisikan sebagai: ..................(6) (7) 3.4.2 Nilai-nilai RE dan MRE dihitung untuk proyek usaha perkiraan. Kriteria lain yang umum digunakan adalah persentase prediksi yang disebut P% dari yang sebenarnya, dinotasikan sebagai PRED (P) [5]. (8) K adalah jumlah proyek dimana MRE kurang dari atau sama dengan P, dan N adalah jumlah proyek. Jenisnya ada 3 yaitu: PRED (20%), PRED (25%) dan PRED (30%). Misalkan: model yang diusulkan adalah dievaluasi pada PRED (25%), yang dilakukan adalah menghitung jumlah MRE di persamaan yang kurang dari atau sama dengan 25% dan membaginya dengan jumlah proyek. 3.4.3 Hitung MRE dan PRED 25% untuk Usaha Aktual dan Usaha COCOMO II Berdasarkan data aktual dan data estimasi model COCOMO seperti pada Tabel 5 kemudian dihitunglah MRE dan PRED 25%. Pada Tabel 6 menunjukkan hasil perbandingan peningkatan MRE dan PRED(25%) pada usaha COCOMO dan Tabel 7 menunjukkan hasil perbandingan peningkatan MRE dan PRED(25%) pada Usaha modifikasi.
\

Tabel 6. Perbandingan Peningkatan MRE dan PRED(25%) pada Usaha COCOMO Estimasi Aktual COCOMO Project ID MRE PRED(0.25) (Usaha) (Usaha) Proyek 05 1095 824 0,24749 x Proyek 09 1712 587 0,65713 FALSE Proyek 10 1465 354 0,75836 FALSE Proyek 14 2836 3552 0,25247 FALSE Proyek 18 2085 2116 0,01487 x Proyek 19 1288 930 0,27795 FALSE Proyek 24 1936 2284 0,17975 x Proyek 25 1354 688 0,49188 FALSE Proyek 26 2436 1744 0,28407 FALSE Proyek 29 3764 4415 0,17295 x Dari Tabel 6 didapatkan terdapat enam proyek yang tidak memenuhi persyaratan PRED(25%) yaitu data proyek dengan keterangan False, sedangkan tanda x menandakan bahwa empat proyek memenuhi persyaratan PRED(25%). Berdasarkan perhitungan dapat disimpulkan bahwa akurasi estimasi Usaha COCOMO atau MMRE = 0,33 atau sekitar 33% mendekati usaha aktual dan prediksi mencapai 40% mendekati usaha aktual. Tabel 7. Perbandingan Peningkatan MRE dan PRED(25%) pada Usaha Modifikasi Estimasi Aktual Modifikasi Project ID MRE PRED(0.25) (Usaha) (Usaha) Proyek 05 1095 902 0,17626 x Proyek 09 1712 642 0,625 FALSE Proyek 10 1465 387 0,73584 FALSE Proyek 14 2836 4627 0,63152 FALSE Proyek 18 2085 2315 0,11031 x Proyek 19 1288 977 0,24146 x Proyek 24 1936 2046 0,05682 x Proyek 25 1354 530 0,60857 FALSE Proyek 26 2436 1836 0,24631 x Proyek 29 3764 4898 0,30128 FALSE Dari Tabel 7 didapatkan terdapat lima proyek yang tidak memenuhi persyaratan D(25%) yaitu data proyek dengan keterangan False, sedangkan tanda x menandakan bahwa lima proyek memenuhi persyaratan PRED(25%). Berdasarkan perhitungan dapat disimpulkan bahwa akurasi estimasi Usaha
117 Jurusan Ilmu Komputer, FMIPA, Universitas Udayana

COCOMO Modifikasi atau MMRE = 0,37 atau sekitar 37% mendekati usaha aktual dan prediksi mencapai 50% mendekati usaha aktual. Simpulan Berdasarkan penelitian yang telah dilakukan, diperoleh bahwa hasil modifikasi dari nilai atribut ACAP untuk model COCOMO II memberikan prediksi 50% dan akurasi 37% sedangkan model COCOMO II umum memberikan prediksi 40% dan akurasi 33% terhadap estimasi usaha perangkat lunak. Terdapat peningkatan hasil prediksi sebesar 10% dan akurasi sebesar 4% perbandingan antara model COCOMO modifikasi dengan model COCOMO umum. Kinerja dari model COCOMO modifikasi relatif lebih baik dari model COCOMO II karena MRE model COCOMO modifikasi lebih rendah dari MRE model COCOMO II. Tingkat akurasi hasil estimasi dikatakan tinggi jika MRE hasil estimasi adalah rendah. V. [1] [2] Daftar Pustaka Boehm, B., 1981, Software Engineering Economics,Prentice-Hall, New Jersey. Boehm, B., Clark, B., Horowitz, E., Westland, C., Madachy, R., Selby., R., 1995, Cost Models for Future LifeCycle Processes: COCOMO 2.0, Science Publisher, Amsterdam. http://sunset.usc.edu/research/COCOMOII/Docs/C2ASE_submitted.pdf, diakses pada tanggal 12 April 2011. Boehm, B., Abts,C., Brown, A., Chulani, S.D, Clark, B., Horowitz, E., Madachy, R., Reifer, D., and Steece, B., 2000, Software Cost Estimation with COCOMO II, Prentice Hall, New Jersey. Center for Software Engineering, COCOMO II Cost Estimation Questionnaire, Computer Science Department, University of Southern California Conte, S., Dunsmore, H., Shen, V., 1986, Software Engineering Metrics and Models, Menlo Park, California: Benjamin/Cummings. Ibrahim, A., dan Ali, S., 2008, Analisis Keberkesanan Sistem Penyelarasan Kos Projek Pembangunan Perisian Menggunakan Model Reka Bentuk Awalan COCOMO II,Jurnal Teknologi, 48(D). Palacios, R.C., Marcos, R.M.,, M.G.B., Juan., G.C., Angel. , 2007, Competency Assessment: Integrating COCOMO II and People-CMM for Estimation Improvement, CLEI Electronic Journal, No.2, Vol.10. Andayani, Sri., 2011, Pengembangan Cost Driver Model COCOMO II dengan Modifikasi Atribut analysis capabilityuntuk Estimasi Usaha Perangkat Lunak, Magister Ilmu Komputer Universitas Gadjah Mada, Yogyakarta. Yahya, M.A., Masoud, F., dan Hudaib, A., 2006, The Effect of Software Development Environment on Software Cost Estimation,in Proceedings of the 10 th World Multi Conference on Systematic, Cybernetics and Informatics,pp. 239- 243, USA. Yahya, M.A., Rodina, A., dan Sai, L., 2009, Effect of CMMI-Based Software Process Maturity on Software Schedule Estimation, Malaysian Journal of Computer Science,No. 2, Vol. 22. Yahya, M.A, Rodina, A., dan Sai, L., 2010, Impact of CMMI Based Software Process Maturity on COCOMO IIs Effort Estimation, The International Arab Journal of Information Technology, No. 2, Vol. 7. Ye Yang, Chen., Z., Valerdi., R., dan Boehm., B, 2005, Effect of Schedule Compression on Project Effort,CSSE Tech Report. IV.

[3] [4] [5] [6]

[7]

[8] [9] [10] [11] [12]