Abstrak
Proyek pengembangan aplikasi-aplikasi yang digunakan dalam bisnis produksi
minyak di PT Caltex Pacific Indonesia (PT CPI) mengacu pada metode Chevron-
Texaco Project Development and Execution Process (CPDEP). Dari beberapa proyek
pengembangan aplikasi yang sudah selesai dan terimplementasi di PT CPI diperoleh
data-data fakta mengenai usaha proyek (project effort) dan jadwal proyek (project
schedule). Kemudian dengan metode COCOMO II, untuk setiap proyek tersebut dapat
dihitung dan diperoleh angka-angka estimasi untuk usaha proyek dan jadwal proyek.
Sangat mungkin akan terjadi perbedaan angka-angka usaha proyek dan jadwal proyek
tersebut.
Dalam makalah ini akan dilakukan kalibrasi konstanta multiplikatif (Multiplicative
Constant) dan konstanta eksponensial (Exponential Constant) dari model estimasi
COCOMO II terhadap proyek pengembangan aplikasi produksi minyak di PT CPI.
Kalibrasi dilakukan dengan menggunakan teknik regresi. Selanjutnya akan dianalisis
juga faktor-faktor penentu apa saja pada COCOMO II yang mempunyai pengaruh
paling besar terhadap perbedaan yang terjadi. Dari hasil ini kemudian dapat disarankan
konstanta A dan E dari model COCOMO II yang sudah dikalibrasi untuk digunakan
pada pengembangan aplikasi produksi minyak di PT CPI pada masa mendatang. Juga
dapat disarankan faktor-faktor penentu yang mempunyai pengaruh besar terhadap hasil
estimasi model COCOMO II tersebut untuk dapat diperhatikan dengan lebih seksama
dalam proses kalkulasinya.
Akurasi dalam melakukan estimasi waktu yang dibutuhkan dalam pengembangan
aplikasi di PT CPI sangatlah penting. Kalibrasi ini diharapkan dapat meningkatkan
tingkat akurasi dari estimasi yang dilakukan. Hal ini sangat berkaitan dengan
pengelolaan sumber daya manusia, karena cukup banyak pengembangan aplikasi yang
dilakukan oleh PT CPI secara internal (in-house), dan hal ini menjadi titik kunci dalam
mengelola harapan pengguna (user expectation) dalam hal waktu penyelesaian proyek
pengembangan aplikasi tersebut (estimated delivery time). Semakin akurat tingkat
estimasi akan semakin baik pengelolaan sumber daya manusianya dan akan semakin
baik juga pengelolaan harapan pengguna.
Kata Kunci: kalibrasi, regresi, estimasi, usaha proyek, jadwal proyek, manajemen
proyek, CPDEP, COCOMO II.
Pendahuluan
PT CPI, sebagai salah satu perusahaan minyak yang cukup besar di Indonesia banyak
mengembangkan aplikasi secara internal untuk menangani produksi minyak, mulai dari
sumur minyak, lapangan minyak, sampai kepada pengapalan minyak. Untuk
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
pengembangan aplikasi tersebut, digunakan metode CPDEP [1] - suatu proses
menejemen proyek yang sudah dibakukan oleh ChevronTexaco dan digunakan di
seluruh unit usaha (business unit) yang berafiliasi di bawahnya termasuk PT CPI.
Dari beberapa proyek pengembangan aplikasi yang sudah selesai dan
terimplementasi di PT CPI diperoleh data-data fakta (actual) mengenai usaha proyek
(project effort) dan jadwal proyek (project schedule). Kemudian dengan metode
COCOMO II [2], untuk setiap proyek tersebut dapat diperoleh angka-angka estimasi
untuk usaha proyek dan jadwal proyek. Data fakta dan data estimasi kemudian
dibandingkan untuk kemudian dilakukann kalibrasi terhadap konstanta A dan B dari
model COCOMO II. Selanjutnya dianalisis juga seberapa besar perbedaan hasilnya dan
faktor-faktor penentu apa saja yang mempunyai pengaruh paling besar terhadap
terjadinya perbedaan tersebut. Hal inilah yang akan menjadi pokok pembahasan di
dalam makalah ini.
Dengan mengetahui faktor-faktor penentu tersebut, kita dapat melakukan proses
kalkulasi dengan model COCOMO II dengan lebih baik, utamanya terhadap beberapa
parameter input untuk faktor-faktor penentu tersebut, sehingga dapat diperoleh estimasi
dengan akurasi yang lebih baik. Dengan estimasi yang lebih akurat untuk setiap proyek,
maka sumber daya manusia (human resources) dan sumber daya waktu (time resources)
dapat dikelola dan dialokasikan dengan lebih baik. Hal ini menjadi titik kunci dalam
mengelola harapan pengguna (user expectation) dalam hal waktu penyelesaian proyek
pengembangan aplikasi tersebut (estimated delivery time).
Model Waterfall
Metode pengembangan aplikasi dengan model waterfall [2] adalah metode yang
sudah banyak digunakan dalam dunia aplikasi. Model ini adalah model yang digunakan
pada COCOMO II untuk melakukan estimasi usaha proyek dan jadwal proyek. Metode
ini terdiri dari 4 phase [2]:
Phase 1: Plans and Requirements
Di dalam phase “Perencanaan dan Kebutuhan” ini akan dilakukan perencanaan
secara global dan menyeluruh dari sistem yang akan dibangun dan kemudian akan
dilakukan identifikasi kebutuhan atas fungsi dari sistem tersebut.
Phase 2: Product Design
Di dalam phase “Desain Produk” ini akan ditentukan arsitektur perangkat keras /
piranti lunak, struktur kontrol, dan struktur data sistem yang akan dibangun.
Phase 3: Programming
Di dalam phase “Pemorgraman” ini akan dilakukan desain terinci yang dilanjutkan
dengan pembuatann program (coding) dan pengujian untuk setiap unit program.
Phase 4: Integration & Test
Di dalam phase “Integrasi dan Pengujian” ini akan dilakukan penggabungan
beberapa komponen program untuk mendapatkan sebuah piranti lunak / aplikasi
yang dapat berfungsi dengan baik yang terdiri dari beberapa modul yang loosely
coupled. Kebutuhan yang sudah diidentifikasi pada phase pertama di atas akan
digunakan untuk menentukan apakah produk system yang dibangun memenuhi
kebutuhan tersebut.
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Model CPDEP
Di PT CPI, setiap proyek termasuk proyek pengembangan aplikasi diharuskan untuk
mengikuti metode CPDEP [1]. Tujuannya adalah agar komunitas di perusahaan dan
bahkan di korporasi ChevronTexaco dapat berbicara dengan bahasa dan pengertian yang
sama dalam hal yang berkaitan dengan proyek. Metoda ini terdiri dari 5 phase [1]:
Phase 1: Identify and Assess Opportunities
Di dalam phase “Mengidentifikasi dan Menguji Peluang” ini akan
diidentifikasikan dan didefinisikan peluang-peluang yang ada dari proses kerja
yang berjalan. Kemudian akan dilakukan analisa dan pengujian terhadap peluang
tersebut untuk selanjutnya diputuskan apakah peluang yang ada dapat memberikan
keuntungan atau nilai tambah terhadap proses kerja di mana peluang tersebut
teridentifikasikan.
Phase 2: Generate & Select Alternative(s)
Di dalam phase “Membuat dan Memilih Alternatif” ini akan dilakukan penggalian
dan pengkajian terhadap pilihan-pilihan yang dimunculkan untuk kemudian
diputuskan pilihan (alternative) yang mana yang mempunyai nilai tambah yang
terbaik.
Phase 3: Develop Preferred Alternative
Di dalam phase “Mengembangkan Alternaif yang Dipilih” ini akan dilakukan
pengembangan langkah-langkah secara rinci dan terukur untuk menjalankan
(execute) proyek tersebut di phase 4.
Phase 4: Execute
Phase ini adalah menjalankan langkah-langkah pelaksanaan dari proyek untuk
menyelesaikan produk yang akan dibuat.
Phase 5: Operate and Evaluate
Phase ini adalah phase operasional dan evaluasi dari produk yang dibuat untuk
melihat kemungkinan pengembangan / perbaikan lebih lanjut. Ketika
teridentifikasi peluang baru, maka dapat dibuat proyek baru yang dimulai dari
phase 1 kembali.
Phase 1 sampai 4 adalah phase-phase yang relevan terhadap rencana penelitian dan
pembahasan dalam makalah ini.
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Dari penjelasan aktifitas per phase pada kedua metode tersebut di atas, maka korelasi
antara metode waterfall dan CPDEP adalah sebagai berikut:
Waterfall CPDEP
Phase 1: Identify and Assess Opportunities
Phase 1: Plans and Requirements
Phase 2: Generate & Select Alternative(s)
Phase 2: Product Design Phase 3: Develop Preferred Alternative
Phase 3: Programming
Phase 4: Execute
Phase 4: Integration & Test
Gambar 2. Perbandingan phase Waterfall vs CPDEP
Strategi Estimasi
Ada banyak strategi estimasi yang dapat digunakan sebagai referensi dalam industri
perangkat lunak atau aplikasi. Berikut ini adalah beberapa strategi di antaranya [10]:
Algorithmic (algoritma): strategi ini menyarankan untuk menggunakan model
matematika. Model matematika tersebut dibuat berdasarkan data-data terdahulu
atau berdasarkan teori. Strategi ini memberikan hasil yang konsisten dan secara
obyektif dapat dikalibrasi terhadap data-data terdahulu, tetapi beberapa faktor
input kadang tidak mudah untuk dikuantifikasi.
Expert Judgement (pertimbangan ahli): strategi ini menyarankan untuk
berkonsultasi dengan ahli pada bidangnya yang kemudian membandingkannya
dengan proyek sejenis yang sudah pernah ditanganinya. Strategi ini murah dan
akurat, tetapi tidak dapat diperkirakan untuk konsisten karena sangat bergantung
kepada ahlinya.
Analogy (membandingkan): strategi ini menyarankan untuk membandingkan
dengan proyek lain di dalam bidang (domain) yang sama. Strategi ini juga murah
dan cukup akurat, tetapi penerapannya sangat terbatas karena harus dicari proyek
dari bidang yang sama.
Parkinson’s Law (Hukum Parkinson): strategi ini menyarankan untuk melakukan
estimasi berdasarkan kepada sumber daya yang tersedia. Strategi ini tampaknya
seperti dapat mengakomodasi kebutuhan estimasi apa saja (elastis), tetapi kurang
akurat dan merupakan strategi yang bersifat pesimistik.
Price to win (harga untuk menang): strategi ini menyarankan untuk melakukan
estimasi berdasarkan kepada kebutuhan dan tujuan untuk memenangkan kontrak.
Strategi ini mungkin akan dapat sering memberikan kemenangan kontrak, tetapi
mengandung resiko yang cukup besar untuk meleset dari perkiraan karena
ketidak-akuratan yang ditimbulkannya.
Top-Down (dari atas ke bawah): strategi ini menyarankan untuk melakukan
estimasi berdasarkan kepada fungsi-fungsi dari aplikasi yang akan dibangun.
Strategi ini relatif lebih cepat dan lebih mudah untuk diimplementasikan, tetapi
mempunyai kecenderungan untuk melupakan komponen yang terbawah dan kecil.
Bottom-Up (dari bawah ke atas): strategi ini menyarankan untuk melakukan
estimasi dimulai dari tingkat komponen aplikasi yang kemudian digabung-
gabungkan untuk menjadi estimasi proyek. Strategi ini memberikan hasil yang
lebih stabil dan juga lebih detil dibandingkan dengan strategi top-down, tetapi
membutuhkan waktu yang relatif lebih lama.
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Estimasi di PT CPI
Untuk proyek-proyek pengembangan aplikasi di PT CPI, estimasi dilakukan dengan
salah satu atau kedua cara yaitu Expert Judgement dan/atau Analogy dengan
memperhatikan beberapa faktor berikut [1]:
1) Kompleksitas proses bisnis: Tingkat kompleksitas proses business dan
kompleksitas perhitungan yang ada dalam proses business tersebut.
2) Cakupan proses bisnis: Seluruh perusahaan, atau satu unit operation saja, atau
lebih kecil lagi team atau departemen.
3) Ukuran aplikasi yang akan dibuat: Jumlah satuan transaction / data entry
screens, jumlah satuan report.
4) Pengalaman pengembang (Developer): Tingkat pengetahuan dan pengalaman
dalam proses business tersebut.
Karena estimasi proyek dilakukan tidak dengan prosedure yang baku, maka akurasi
estimasi dari proyek yang satu dengan proyek yang lain tidak konsisten, sehingga
tingkat kepercayaan terhadap angka estimasi tersebut tidak dapat dijaga dan juga
membuat kita sulit untuk melakukan perencanaan tenaga kerja (resource planning)
dengan lebih baik.
(1)
di mana
Simbol Keterangan
PMNS Person-Month untuk usaha proyek pada Nominal-Schedule (NS), yaitu
dengan mengeluarkan faktor pendorong biaya (cost driver) SCED (Required
Development Schedule). Faktor pendorong biaya lihat Tabel 2.
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
A = 2.94 yang merupakan hasil kalibrasi COCOMO II.2000 yang
mereflesikan rata-rata produktivitas secara global.
Size Ukuran dari aplikasi yang dibangun dalam satun KSLOC (Kilo Source Line
Of Codes). Angka ini dapat dihitung dari ukuran setiap modul dari aplikasi
tersebut, atau dapat juga dihitung dengan UFP (Unadjusted Funtion Point)
yang kemudian dapat dikonversikan ke KSLOC.
Nilai estimasi jadwal proyek (project schedule) dalam satuan calendar time,
TDEVNS, diperoleh dengan menggunakan persamaan berikut:
(2)
di mana
Simbol Keterangan
TDEVNS Time to Develop atau jadwal proyek dalam waktu kalender dengan
satuan bulan pada nominal schedule
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Dari kedua persamaan di atas, konstanta-konstanta yang akan dikalibrasi adalah
konstanta A dan B dari persamaan untuk estimasi usaha proyek, dan konstanta C dan D
dari persamaan estimasi jadwal proyek.
Faktor pendorong dalam model COCOMO II ini terdiri atas 2 bagian, yaitu faktor
skala (scale factor) dan pendorong biaya (cost driver). Faktor skala adalah merupakan
faktor yang penting dalam menentukan biaya dan waktu yang dibutuhkan dalam sebuah
proyek pengembangan aplikasi. Ada 5 faktor skala di dalam model COCOMO II:
Tabel 1. Faktor Skala COCOMO II [5]
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Skala dari faktor ini adalah:
VL = Very Low
L = Low
N = Normal
H = High
VH = Very High
XH = Extra High
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Tabel 3. Faktor Skala dan Pendorong Biaya dari COCOMO II.2000 [2]
Langkah-langkah Kalibrasi
Langkah-langkah untuk melakukan kalibrasi konstanta-konstanta dari model
COCOMO II dan juga analisis terhadap faktor-faktor penentu dalam model tersebut
adalah sebagai berikut:
1) Mengumpulkan data-data proyek pengembangan aplikasi dengan menggunakan
COCOMO II Data Collection Form
2) Melakukan verifikasi dan validasi data-data proyek tersebut kepada pihak yang
paling mengetahuinya, manajer proyek dari aplikasi tersebut, support personel
dari aplikasi tersebut.
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
3) Memasukkan parameter-parameter yang dibutuhkan oleh model COCOMO II
untuk setiap proyek dan melakukan penghitungan estimasi untuk usaha proyek
dan jadwal proyek
OK
X
X
X
X
X
X ====
==== X ====
X
==== X
X ====
======== X
======== X
==== X ====
X ====
X ====
X ====
X ====
X ====
X ====
X ====
X
X ====
None
Gambar 3. COCOMO II Data Collection Form
4) Membuat tabulasi data-data statistik baik dari data fakta proyek maupun dari data
hasil estimasi COCOMO II
5) Membuat grafik ukuran/besarnya aplikasi (SIZE) terhadap usaha proyek
(EFFORT) untuk melihat apakah ada data yang outlier untuk kemudian
ditentukan apakah dikeluarkan atau tidak dari data set untuk kebutuhan kalibrasi
6) Melakukan kalibrasi terhadap konstanta pada model COCOMO II dengan
menggunakan metode regresi
7) Melakukan penghitungan estimasi untuk usaha proyek dan jadwal proyek dengan
menggunakan konstanta hasil kalibrasi
8) Mengitung akurasi PRED (prediction) dari kedua perhitungan estimasi, yaitu
dengan konstanta COCOMO II.2000 dan konstanta hasil kalibrasi.
9) Membandingkan kedua tabulasi PRED tersebut
10) Membuat kesimpulan dan rekomendasi/saran.
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Ada beberapa metode yang dapat digunakan untuk melakukan kalibrasi terhadap
konstanta multiplikatif dan eksponensial [2], tetapi dalam makalah ini kita hanya
menggunakan salah satu metoda yang ada yaitu metode regresi. Untuk hal ini
disarankan minimal ada 5 data yang diperoleh dari proyek-proyek terdahulu untuk
digunakan pada proses kalibrasi konstanta ini.
Metoda Regresi
Metode regresi merupakan metode yang sangat populer dalam membangun model.
Hal ini dikarenakan pemakaiannya yang relative mudah dan juga cukup sederhana.
Multipel regresi menyatakan bahwa response adalah merupakan fungsi linier dari
predictor, sehingga dapat dituliskan sebagai berikut:
y = xi1 kxik
i
(3)
di mana xi1 …….. .xik adalah nilai dari predictor (atau regresor) untuk data pengamatan
sebanyak i, kadalah coefisien yang akan diestimasi, i adalah
term error secara umum, dan yi adalah response untuk observasi ke ith.
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Application
PIMS PTS BMOC LAS DMDR
No. EM Description Rating Value Rating Value Rating Value Rating Value Rating Value
1 RELY Required Software Reliability L 0.92 H 1.10 N 1.00 L 0.92 H 1.10
2 DATA Database size H 1.14 N 1.00 L 0.90 L 0.90 H 1.14
3 CPLX Product Complexity VH 1.34 H 1.17 L 0.87 L 0.87 H 1.17
4 RUSE Developed for Reusability N 1.00 VH 1.15 N 1.00 N 1.00 N 1.00
5 DOCU Documentation Match to life-Cycle Needs L 0.91 N 1.00 N 1.00 N 1.00 N 1.00
6 TIME Execution Time Constraint N 1.00 H 1.11 VH 1.29 N 1.00 N 1.00
7 STOR Main Storage Constraint N 1.00 N 1.00 N 1.00 N 1.00 VH 1.05
8 PVOL Platform Volaitility L 0.87 N 1.00 N 1.00 H 1.15 N 1.00
9 ACAP Analyst Capability H 0.85 H 0.85 VH 0.71 H 0.85 H 0.85
10 PCAP Programmer Capability H 0.88 H 0.88 VH 0.76 H 0.88 N 1.00
11 PCON Personnel Continuity VH 0.81 N 1.00 N 1.00 N 1.00 H 0.90
12 APEX Application Experiemce VH 0.81 VH 0.81 VH 0.81 H 0.88 N 1.00
13 PLEX Platform Experience VH 0.85 VH 0.85 VH 0.85 H 0.91 N 1.00
14 LTEX Languange and Tool Experience H 0.91 VH 0.84 VH 0.84 H 0.91 N 1.00
15 TOOL use of Software tools VL 1.17 VL 1.17 VL 1.17 VL 1.17 VL 1.17
16 SITE Mulitisite Development XH 0.80 VH 0.86 VH 0.86 VH 0.86 VH 0.86
17 SCED Required Development Schedule N 1.00 H 1.00 VL 1.43 N 1.00 N 1.00
%SCED 1.00 1.00 0.75 1.00 1.00
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Size / Effort
1.2
1
y ==> Effort (log)
0.8
0.6
0.4
0.2
0
0 0.2 0.4 0.6 0.8
x ==> Size (log)
x = log(kSLOC)
y = log(Effort/EM) - 0.01*SF*log(kSLOC)
Dari grafik Size / Effort di atas tidak terdapat data yang outlier. Dengan demikian
datpat kita simpulkan bahwa data-data tersebut dapat digunakan untuk kalibrasi
konstanta pada model COCOMO II.2000.
(4)
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Estimation with
Project Data Perhitungan Regresi
COCOMO II.2000
Number
Project
(i ) Effort i Schedule i kSLOC i EM i SF i PM i TDEV i x x2 y xy
Name (i )
1 PIMS 5.79 6.00 5.488 0.40 14.75 7.03 6.71 0.7394 0.5467 1.0566 0.7813
2 PTS 8.00 6.00 3.123 0.72 18.66 7.33 6.91 0.4946 0.2446 0.9564 0.4730
3 BMOC 3.55 3.87 2.808 0.45 13.14 3.91 3.74 0.4484 0.2011 0.8347 0.3743
4 LAS 3.50 5.00 2.520 0.45 18.42 3.67 5.54 0.4014 0.1611 0.8127 0.3262
5 DMDR 10.50 7.00 3.611 1.19 17.44 14.03 8.43 0.5576 0.3109 0.8499 0.4739
1 = 0.6660
B = 0.67
(6)
1 PIMS 5.79 6.00 5.488 0.40 14.75 7.03 6.71 0.7627 0.5817 0.7557 0.5763
2 PTS 8.00 6.00 3.123 0.72 18.66 7.33 6.91 0.9031 0.8156 0.7444 0.6723
3 BMOC 3.55 3.87 2.808 0.45 13.14 3.91 3.74 0.5502 0.3028 0.5729 0.3152
4 LAS 3.50 5.00 2.520 0.45 18.42 3.67 5.54 0.5441 0.2960 0.6789 0.3694
5 DMDR 10.50 7.00 3.611 1.19 17.44 14.03 8.43 1.0212 1.0428 0.8095 0.8266
1 = 0.3713
D = 0.37
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Hasil dan Diskusi
Konstanta A, B, C, dan D
Kalibrasi konstanta A dan B pada model COCOMO II.2000 untuk usaha proyek,
juga konstanta C dan D pada model yang sama untuk jadwal proyek, terhadap proyek-
proyek pengembangan aplikasi di PT CPI memberikan hasil sebagai berikut:
1 PIMS 5.79 7.03 0.21 - Yes Yes 5.61 -0.03 Yes Yes Yes
2 PTS 8.00 7.33 -0.08 Yes Yes Yes 6.70 -0.16 Yes Yes Yes
3 BMOC 3.55 3.91 0.10 Yes Yes Yes 3.67 0.03 Yes Yes Yes
4 LAS 3.50 3.67 0.05 Yes Yes Yes 3.54 0.01 Yes Yes Yes
5 DMDR 10.50 14.03 0.34 - - - 12.39 0.18 Yes Yes Yes
60% 80% 80% 100% 100% 100%
1 PIMS 6.00 6.71 0.12 Yes Yes Yes 5.39 -0.10 Yes Yes Yes
2 PTS 6.00 6.91 0.15 Yes Yes Yes 5.88 -0.02 Yes Yes Yes
3 BMOC 3.87 3.74 -0.03 Yes Yes Yes 2.95 -0.24 - Yes Yes
4 LAS 5.00 5.54 0.11 Yes Yes Yes 4.52 -0.10 Yes Yes Yes
5 DMDR 7.00 8.43 0.20 - Yes Yes 7.51 0.07 Yes Yes Yes
80% 100% 100% 80% 100% 100%
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Effort Prediction Using COCOMO Using Local
II.2000 C and D
PRED(.20) 80% 80%
Kedua table di atas menunjukkan hasil estimasi yang lebih akurat dengan
menggunakan konstanta kalibrasi lokal terhadap proyek pengembangan aplikasi
produksi minyak di PT CPI. Hal tersebut ditunjukkan dengan adanya peningkatan nilai
PRED(.20), PRED(.25), dan PRED(.30) setelah menggunakan konstanta hasil kalibrasi.
Sehingga dari sini untuk selanjutnya dapat disarankan untuk menggunakan konstanta
hasil kalibrasi tersebut ketika akan melakukan estimasi proyek pengembangan aplikasi
produksi minyak di PT CPI pada masa-masa yang akan datang.
Kalibrasi dari konstanta A, B, C dan D dari model COCOMO II terhadap lingkungan
/ parameter pengembangan lokal adalah suatu proses yang sangat penting, sebab hasil
dari kalibrasi ini dapat menjadi masukan yang sangat bermanfaat pada proses
perencanaan pengembangan sebuah aplikasi dan juga pada aspek menejemen praktis
yang bersifat kuantitatif, misalnya dalam hal manajemen sumber daya manusia (human
resource management).
Tabel 15. Data Koleksi Jadwal (%) untuk Setiap Phase CPDEP dan Waterfall
CPDEP Waterfall
Project
No. Description Assess Opp. Develop Alt. Execute Plan & Req. Design Progr'ming +
Name (i)
+ Select Alt. Intgr& Test
1 PIMS Crude oil surface facility Project 34% 32% 34% 15% 21% 64%
2 PTS Crude oil Production performance 28% 47% 25% 14% 21% 65%
Tracking System
3 BMOC Bekasap crude oil suface facility 16% 22% 61% 14% 21% 65%
Management Of Change
4 LAS UNIX LAS format automatic 27% 13% 60% 14% 21% 65%
loading
5 DMDR Dumai Production Daily Report N/A N/A N/A N/A N/A N/A
Average 26% 28% 45% 14% 21% 65%
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Dari data tersebut dapat dilihat faktor yang memberikan pengaruh / persentase yang
paling besar adalah pada tahap Execute pada metode CPDEP atau pada tahap
Programming + Integration and Testing pada metode Waterfall. Bila data-data tersebut
dikaitkan kembali dengan faktor pendorong biaya (cost driver) yang sudah diuraikan di
atas, maka dapat ditarik sebuah kesimpulan bahwa faktor sumber daya manuasia
(personnel) merupakan faktor yang memberikan pengaruh yang cukup signifikan
terhadap hasil estimasi dengan menggunakan model COCOMO II. Oleh karena itu
parameter-parameter yang penting untuk diperhitungkan dengan lebih hati-hati atau
lebih akurat dalam memasukkan ke dalam model COCOMO II adalah ACAP, PCAP,
PCON, APEX (AEPX), PLEX, LTEX.
Pekerjaan Selanjutnya
Data-data proyek pengembangan aplikasi yang sudah selesai, belum banyak yang
dapat dikumpulkan. Pada intinya tidaklah mungkin menyusun kembali milestones dari
proyek-proyek yang sudah selesai tersebut sesuai dengan yang ada pada COCOMO II
secara detail aktivitas per aktivitas. Hal inilah yang menjadi salah satu kendala besar di
dalam mengumpulkan data untuk keperluan kalibrasi lokal konstanta COCOMO
II.2000.
Pengkondisian data (data conditioning) [2] adalah hal esensial berikutnya dalam
proses pengumpulan dan analysis data untuk keperluan kalibrasi yang dimaksud.
Walaupun sudah diusahakan secara optimal untuk mendapatkan data yang baik dan
akurat, tetap saja ada beberapa hal yang mungkin menyimpang yang mungkin
dikarenakan persepsi yang berbeda. Bila hal ini terjadi maka hasil kalibrasi yang
diperoleh akan bias dan dapat memberikan arah kesimpulan yang tidak akurat. Oleh
karena itu proses pengkondisian data sangatlah kritikal. Berikut ini adalaha beberapa hal
yang dapat menjadi sumber dari kontaminasi data (data contamincation) [2] dalam
proses pengumpulan data tersebut:
Definisi dari suatu terminologi yang tidak konsisten
Cakupan yang kurang tepat
Penghitungan ganda atas beberapa parameter masukan
Merata-ratakan penilaian dari suatu group ke bagian-bagian sub-sistem
Masuk sampah, keluar sampah (garbage in, garbage out), misalnya asumsi-
asumsi yang tidak tepat
Pengamatan yang bias, misalnya kecenderungan orang per orang dalam
melakukan estimasi ada yang terlalu optimis tapi ada juga yang terlalu pesismis.
Untuk itu diperlukan aturan-aturan untuk proses pengkondisian data tersebut,
misalnya [2]:
Definisi terminologi yang jelas, berikan contoh-contoh
Prosedur untuk mengecek konsistensi data
Pengumpulan data langsung dari sumber utamanya
Penyaringan data (data screening)
Wide-band Delphi, gunakan lebih dari satu orang atau satu model untuk
melakukan estimasi
Formulir pengumpulan data yang on-line
Sensitif data harus dijaga dengan ketat
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
Analysis atas faktor-fakto pendorong biaya (cost drivers) yang paling besar
pengaruhnya dalam perhitunga estimasi usaha proyek dan jadwal proyek juga perlu
dilakukan lebih dalam dan lebih terinci lagi.
Kesimpulan
Sebelum menggunakan model COCOMO II dalam sebuah organisasi, sebaiknya
terlebih dahulu dilakukan kalibrasi terhadap konstanta A, B, C, dan D dari model
tersebut.
Dengan melakukan kalibrasi konstanta A, B, C dan D tersebut, dan selanjutnya
digunakan dalam model COCOMO II tersebut untuk melakukan estimasi pada proyek-
proyek pengembangan aplikasi minyak di PT CPI berikutnya, maka akan dapat
diperoleh angka estimasi dari suatu proyek pengembangan aplikasi dengan akurasi yang
lebih baik.
Beberapa hal yang diperlukan untuk dapat memperoleh hasil kalibrasi dengan
akurasi yang lebih baik dan konsisten antara lain:
Data historical dari proyek-proyek terdahulu dengan jumlah yang cukup memadai
Proses pengumpulan data (data collection) dan pengkondisian data (data
conditioning) yang baik
Proses pengembangan aplikasi yang mempunyai standard dan dikontrol dengan
baik
Daftar Pustaka
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember
M. Page-Jones, The Practical Guide to Structured Systems Design, Yourdon Press, New
York, NY, 1980.
Lee, Samuel et. al., Software Cost Estimation, Department of Computer Science,
University of Calgary http://sern.cpsc.ucalgary.ca/~bowen/621/
COCOMO suite, Center for Software Engineering, University of Southern California
http://sunset.usc.edu/research/cocomosuite/index.html
Conversion tables for SLOC/UFP
http://www.spr.com/products/SPR%20Programming%20Languages%20Table%
20-%202003.pdf
Sugiyono, Prof. DR., Statistika untuk Penelitian, Penerbit CV Alfabeta Bandung,
Cetakan ketujuh, Januari 2005
____________________________________________________________________________
Prosiding Seminar Nasional Manajemen Teknologi I ISBN : 979-99302-0-0
25-26 Pebruari 2005
Program Studi Magister Manajemen Teknologi
Institut Teknologi Sepuluh Nopember