Paper Kalibrasi COCOMO II Untuk PT CPI - 19 Pages-Oke

KALIBRASI KONSTANTA COCOMO II UNTUK PROYEK
PENGEMBANGAN APLIKASI PRODUKSI MINYAK

DI PT CALTEX PACIFIC INDONESIA
Noor Hidayat dan Rully Soelaiman
Magister Manajemen Teknologi Informasi - Institut Teknologi Sepuluh Nopember
Kampus MMTI-ITS, Jl. Raya ITS, Sukolilo, Surabaya 60111
E-mail: noor_hidayat@yahoo.com, rully@its-sby.edu
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.
____________________________________________________________________________
25-26 Pebruari 2005
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.
Gambar 1. Phase-phase CPDEP [1]
____________________________________________________________________________
25-26 Pebruari 2005
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.
____________________________________________________________________________
25-26 Pebruari 2005
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.
Estimasi dengan COCOMO II

COCOMO II (Constructive Cost Model) [2] – pertama kali diperkenalkan oleh Dr.
Barry Boehm pada tahun 1981 – adalah sebuah model yang dapat membantu
pengembang aplikasi untuk melakukan estimasi terhadap biaya (cost), usaha (effort),
dan jadwal (schedule) ketika dalam proses perencanaan pengembangan sebuah aplikasi.
Persamaan yang digunakan untuk menghitung estimasi usaha proyek dan jadwal
proyek pada model Post-Architecture adalah seperti pada persamaan 1 dan 2 di bawah
ini. Hasil estimasi ini disebut sebagai Nominal-Schedule (NS), yaitu dengan
mengeluarkan faktor cost driver SCED (Required Development Schedule) [2].
Nilai estimasi usaha proyek (project effort) dalam satuan person-months, PMNS,
diperoleh dengan menggunakan persamaan berikut:
(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.
A Multiplicative Constant adalah angka pendekatan atas konstanta

produktivitas dalam satuan PM / KSLOC, untuk kasus di mana E
(Exponential Constant) = 1.0
____________________________________________________________________________
25-26 Pebruari 2005
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.
EM Effort Multipliers, lihat Tabel 2 – Faktor Pendorong Biaya (Cost Driver)
E Exponential Constant, terdiri dari konstanta B dan SF (Scale Factor).

B = 0.91 yang merupakan hasil kalibrasi COCOMO II.2000 yang
mereflesikan rata-rata faktor skala (Scale Factor) proyek secara global.
SF Scale Factor, lihat Tabel 1.
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
C Angka pendekatan atas konstanta koefisiensi atas waktu yang

dibutuhkan untuk mengembangkan aplikasi (Coefficient for TDEV).
C = 3.67 yang merupakan hasil kalibrasi COCOMO II.2000 yang
mereflesikan rata-rata koefisiensi secara global.
PMNS Person-Month untuk usaha proyek pada nominal schedule
F Exponential Constant, terdiri dari konstanta D dan SF (Scale Factor).

D = 0.28 yang merupakan hasil kalibrasi COCOMO II.2000 yang
mereflesikan rata-rata faktor skala (Scake Factor) proyek secara global.
SF Scale Factor, lihat Table 1.
____________________________________________________________________________
25-26 Pebruari 2005
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]
Faktor pendorong biaya digunakan pada model COCOMO II untuk penyesuaian

estimasi usaha proyek dari angka nominal. Ini merupakan faktor pengali (Effort
Multiplier – EM) pada model untuk menghitung usaha proyek (persamaan 1). Model
COCOMO II ini mempunyai 17 faktor pendorong biaya:
Tabel 2. Faktor Pengali Usaha COCOMO II [5]
____________________________________________________________________________
25-26 Pebruari 2005
____________________________________________________________________________
25-26 Pebruari 2005
Skala dari faktor ini adalah:
 VL = Very Low
 L = Low
 N = Normal
 H = High
 VH = Very High
 XH = Extra High
Ke 17 faktor pendorong biaya tersebut di atas dapat dibagi menjadi beberapa

kolompok seperti di bawah ini[2]:
 Produk (Product): RELY, DATA, CPLX, RUSE, DOCU
 Komputer (Computer): TIME, STOR, PVOL
 Sumber Daya Manusia (Personnel): ACAP, PCAP, PCON, APEX (AEPX),
PLEX, LTEX
 Proyek (Project): TOOL, SITE, SCED
____________________________________________________________________________
25-26 Pebruari 2005
Tabel 3. Faktor Skala dan Pendorong Biaya dari COCOMO II.2000 [2]
Metoda Kalibrasi COCOMO II

Tujuan dilakukannya kalibrasi lokal terhadap konstanta-konstanta dari model
COCOMO II adalah untuk dapat memasukkan atau memperhitungkan faktor
lingkungan pengembang lokal (local development environment) ke dalam model
tersebut. Penelitian yang sudah dilakukan terhadap data-data yang digunakan untuk
melakukan kalibrasi terhadap parameter-parameter pada model Setelah-Arsitektur
COCOMO II menunjukkan bahwa model tersebut akan memberikan hasil yang lebih
baik akurasinya setelah dilakukan kalibrasi terhadap organisasi lokal [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.
____________________________________________________________________________
25-26 Pebruari 2005
3) Memasukkan parameter-parameter yang dibutuhkan oleh model COCOMO II
untuk setiap proyek dan melakukan penghitungan estimasi untuk usaha proyek
dan jadwal proyek
OK
PIMS CPI-0001 0001

4 Jan 2005 Noor Hidayat PT CPI
Nov 2002 31 Mar 2003

5.79 6
7,840 0
0 Apr 2003
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.
____________________________________________________________________________
25-26 Pebruari 2005
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  kxik
i
(3)
di mana xi1 …….. .xik adalah nilai dari predictor (atau regresor) untuk data pengamatan
sebanyak i,  kadalah coefisien yang akan diestimasi, i adalah
term error secara umum, dan yi adalah response untuk observasi ke ith.
Data Proyek Pengembangan Aplikasi Produksi Minyak di PT CPI

Data fakta dari beberapa proyek yang sudah diimplementasikan di PT CPI diperoleh
dari dokumentasi proyek yang dimaksud setelah melalui proses verifikasi dan validasi.
Kemudian kita ambil data-data yang dibutuhkan dan kita masukkan ke dalam formulir
pengumpulan data (data collection form) COCOMO II dan hasil tabulasi data-data
tersebut adalah sebagai berikut:
Tabel 4. Data Faktor Skala dari Aplikasi
Application
PIMS PTS BMOC LAS DMDR
No. SF Description Rating Value Rating Value Rating Value Rating Value Rating Value
1 PREC Precedentedness N 3.72 N 3.72 VH 1.24 L 4.96 VL 6.20
2 FLEX Development Flexibility VH 1.01 VL 5.07 H 2.03 H 2.03 L 4.05
3 RESL Architecture/Risk Resolution N 4.24 L 5.65 L 5.65 L 5.65 VH 1.41
4 TEAM Team Cohesion VH 1.10 VH 1.10 VH 1.10 VH 1.10 VH 1.10
5 PMAT Process Maturity N 4.68 H 3.12 H 3.12 N 4.68 N 4.68
 SF i 14.75 18.66 13.14 18.42 17.44
Tabel 5. Data Pendorong Biaya dari Aplikasi
____________________________________________________________________________
25-26 Pebruari 2005
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
 EM i 0.40 0.72 0.45 0.45 1.19
Tabel 6. Data proyek pengembangan aplikasi produksi minyak di PT CPI

Project Data
Number Project
(i ) Description Effort i Schedule i kSLOC i  EM i  SF i
Name (i )
1 PIMS Crude oil surface facility Project 5.79 6.00 5.488 0.40 14.75
Information Management System
2 PTS Crude oil Production performance 8.00 6.00 3.123 0.72 18.66
Tracking System
3 BMOC Bekasap crude oil suface facility 3.55 3.87 2.808 0.45 13.14
Management Of Change
4 LAS UNIX LAS format automatic loading 3.50 5.00 2.520 0.45 18.42
5 DMDR Dumai Production Daily Report 10.50 7.00 3.611 1.19 17.44
____________________________________________________________________________
25-26 Pebruari 2005
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)
Gambar 4. Size / Effort dari data proyek pengembangan aplikasi
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.
Kalibrasi Konstanta A dan Konstanta B

Persamaan 1 di atas dapat dituliskan seperti di bawah ini:
(4)
Terlihat di sini bahwa konstanta eksponensial sebenarnya adalah konstanta B. Kita

akan melakukan kalibrasi terhadap konstanta multiplikatif, A, dan konstanta
eksponensial, B. Persamaan 4 tersebut di atas di-linier-kan dengan cara mengambil nilai
log sehingga diperoleh persamaan seperti di bawah ini[2, p.179]:
ln(Effort) – [x SF1 x ln(Size) + ....... + x SF5 x ln(Size)

+ x ln(EM1) + x ln(EM2) + ........... + x ln(EM16) (5)
+ x ln(EM17)] = + x ln(Size)
di mana A = e dan B = 

Tabel 7. Kalibrasi lokal konstanta A dan B terhadap data proyek
____________________________________________________________________________
25-26 Pebruari 2005
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
Total 5 2.6414 1.4645 4.5104 2.4288
x = log(kSLOC); y = log(Effort/EM) - 0.01*SF*log(kSLOC)

0 = 0.5502
A = 3.55
1 = 0.6660
B = 0.67
Kalibrasi Konstanta C dan Konstanta D

Persamaan 2 pada sub-bab 4.1.2 dapat dituliskan seperti di bawah ini:
(6)
Kita akan melakukan kalibrasi terhadap konstanta multiplikatif, C, dan konstanta

eksponensial, D. Persamaan 6 tersebut di atas di-linier-kan dengan cara mengambil nilai
log sehingga diperoleh persamaan seperti di bawah ini:
ln(Schedule) – [x SF1 x ln(PM) + ....... + x SF5 x ln(PM)

= + x ln(PM) (7)

di mana C=e dan D = 
Tabel 8. Kalibrasi lokal konstanta C dan D terhadap data proyek

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 0.7627 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
Total 5 3.7813 3.0388 3.5614 2.7598
x = log(Effort); y = log(Schedule) - 0.2 * 0.01*SF*log(Effort)

0 = 0.4315
C = 2.70
1 = 0.3713
D = 0.37
____________________________________________________________________________
25-26 Pebruari 2005
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:
Tabel 9. Konstanta COCOMO II.2000 dan hasil kalibrasi lokal di PT CPI

COCOMO II Konstanta Hasil Kalibrasi
A= 2.94 B= 0.91 A= 3.55 B= 0.67
C= 3.67 D= 0.28 C= 2.70 D= 0.37
1.1 Akurasi Hasil Kalibrasi

Untuk melihat apakah akurasi estimasi dengan menggunakan konstanta hasil
kalibrasi, baik untuk usaha proyek maupun untuk jadwal proyek, menjadi lebih bagus
atau tidak, kita gunakan indikator PRED(L) [4]. PRED(L) adalah persentase angka
estimasi yang ada dalam L persen dari angka fakta (actual). Ukuran ini didasarkan
kepada hasil perhitungan error, yang disebut sebagai proportional error.
Tabel 10. Perhitungan PRED(L) untuk Usaha Proyek
Project Using COCOMO II.2000 Using Local A and B
Project Actual
Number
Name (i ) Efforti
(i ) PM i Error i PRED(.20) PRED(.25) PRED(.30) PM i Error i PRED(.20) PRED(.20) PRED(.30)
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%
Tabel 11. PRED(L) untuk Usaha Proyek

Using COCOMO Using Local
Effort Prediction
II.2000 A and B
PRED(.20) 60% 100%
PRED(.25) 80% 100%
PRED(.30) 80% 100%
Tabel 12. Perhitungan PRED(L) untuk Jadwal Proyek

Project Project Using COCOMO II.2000 Using Local C and D
Actual
Number Name
Scedulei
(i ) (i ) TDEV i Error i PRED(.20) PRED(.25) PRED(.30) TDEV i Error i PRED(.20) PRED(.25) PRED(.30)
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%
Tabel 13. PRED(L) untuk Jadwal Proyek
____________________________________________________________________________
25-26 Pebruari 2005
Effort Prediction Using COCOMO Using Local
II.2000 C and D
PRED(.20) 80% 80%
PRED(.25) 100% 100%
PRED(.30) 100% 100%
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).
Analysis Faktor Penyebab

Untuk melihat faktor penyebab yang paling besar pengaruhnya dalam proyek
pengembangan aplikasi produksi minyak di PT CPI, perlu dilakukan analysis dari data-
data proyek untuk setiap phase lifecycle dari aktivitas pengembangan aplikasi. Table 14
adalah hasil pengumpulan data untuk setiap phase CPDEP dan Tabel 15 ditampilkan
dalam persentase dari jadwal aktifitas-aktifitas CPDEP tersebut.
Tabel 14. Data Koleksi Jadwal untuk Setiap Phase CPDEP
CPDEP
Project Assess Opp. + Select
No. Description Develop Alternatives Execute
Name (i) Alternatives
Start End Start End Start End
1 PIMS Crude oil surface facility Project 1-Nov-02 1-Jan-03 1-Jan-03 27-Feb-03 27-Feb-03 30-Apr-03
Information Management System
2 PTS Crude oil Production performance 1-Dec-01 21-Jan-02 21-Jan-02 15-Apr-02 15-Apr-02 30-May-02
Tracking System
3 BMOC Bekasap crude oil suface facility 1-Jul-02 20-Jul-02 20-Jul-02 15-Aug-02 15-Aug-02 25-Oct-02
4 LAS UNIX LAS format automatic 1-Jun-02 12-Jul-02 12-Jul-02 31-Jul-02 31-Jul-02 29-Oct-02
loading
5 DMDR Dumai Production Daily Report 1-Oct-96 N/A N/A N/A N/A 29-Apr-97
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%
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%
____________________________________________________________________________
25-26 Pebruari 2005
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
____________________________________________________________________________
25-26 Pebruari 2005
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
PT Caltex Pacific Indonesia Intranet Web-site, Project Management, Technical Support

Team. http://www.ptcpi.com/cpipm/
Boehm, Barry W, at all, Software Cost Estimation with COCOMO II, Prentice Hall
PTR, 1st edition, January 15, 2000
Clark, Brad, Calibration of COCOMO II.2003, 17th International Forum on COCOMO
and Software Cost Modeling University of Southern California Los Angeles, CA
October 22-25, 2002
Sunita Devnani-Chulani, Bradford Clark, Barry Boehm, Calibrating the COCOMO II
Post-Architecture Model, Center for Software Engineering, Computer Science
Department, University of Southern California
Sunita Devnani-Chulani, Incorporating Bayesian Analysis to Improve the Accuracy of
COCOMO II and Its Quality Model Extension, Center for Software Engineering,
Computer Science Department, University of Southern California
Park, Jung-Won, Software Cost Estimation and COCOMO II, Univ. of Southern Cal.
(USC), Center for Software Engineering (CSE)
Boehm, B.W., Abts, C., Clark, B., and Devnani-Chulani. S., COCOMO II Model
Definition Manual Version 2.1, Center for Software Engineering, University of
Southern California, 2000
Pressman, Roger S., Ph.D, Software Engineering: A Practitioner’s Approach, 5th
Edition, The McGraw-Hill Companies Inc., 2001
____________________________________________________________________________
25-26 Pebruari 2005
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
____________________________________________________________________________
25-26 Pebruari 2005

Paper Kalibrasi COCOMO II Untuk PT CPI - 19 Pages-Oke

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Paper Kalibrasi COCOMO II Untuk PT CPI - 19 Pages-Oke

Diunggah oleh

Hak Cipta:

Format Tersedia

KALIBRASI KONSTANTA COCOMO II UNTUK PROYEK

PENGEMBANGAN APLIKASI PRODUKSI MINYAK

Gambar 1. Phase-phase CPDEP [1]

Estimasi dengan COCOMO II

A Multiplicative Constant adalah angka pendekatan atas konstanta

EM Effort Multipliers, lihat Tabel 2 – Faktor Pendorong Biaya (Cost Driver)

E Exponential Constant, terdiri dari konstanta B dan SF (Scale Factor).

SF Scale Factor, lihat Tabel 1.

C Angka pendekatan atas konstanta koefisiensi atas waktu yang

PMNS Person-Month untuk usaha proyek pada nominal schedule

F Exponential Constant, terdiri dari konstanta D dan SF (Scale Factor).

SF Scale Factor, lihat Table 1.

Faktor pendorong biaya digunakan pada model COCOMO II untuk penyesuaian

Ke 17 faktor pendorong biaya tersebut di atas dapat dibagi menjadi beberapa

Metoda Kalibrasi COCOMO II

PIMS CPI-0001 0001

Nov 2002 31 Mar 2003

Data Proyek Pengembangan Aplikasi Produksi Minyak di PT CPI

 SF i 14.75 18.66 13.14 18.42 17.44

Tabel 5. Data Pendorong Biaya dari Aplikasi

 EM i 0.40 0.72 0.45 0.45 1.19

Tabel 6. Data proyek pengembangan aplikasi produksi minyak di PT CPI

Gambar 4. Size / Effort dari data proyek pengembangan aplikasi

Kalibrasi Konstanta A dan Konstanta B

Terlihat di sini bahwa konstanta eksponensial sebenarnya adalah konstanta B. Kita

ln(Effort) – [x SF1 x ln(Size) + ....... + x SF5 x ln(Size)

di mana A = e dan B = 

Total 5 2.6414 1.4645 4.5104 2.4288

x = log(kSLOC); y = log(Effort/EM) - 0.01*SF*log(kSLOC)

Kalibrasi Konstanta C dan Konstanta D

Kita akan melakukan kalibrasi terhadap konstanta multiplikatif, C, dan konstanta

ln(Schedule) – [x SF1 x ln(PM) + ....... + x SF5 x ln(PM)

Tabel 8. Kalibrasi lokal konstanta C dan D terhadap data proyek

Total 5 3.7813 3.0388 3.5614 2.7598

x = log(Effort); y = log(Schedule) - 0.2 * 0.01*SF*log(Effort)

Tabel 9. Konstanta COCOMO II.2000 dan hasil kalibrasi lokal di PT CPI

A= 2.94 B= 0.91 A= 3.55 B= 0.67

C= 3.67 D= 0.28 C= 2.70 D= 0.37

1.1 Akurasi Hasil Kalibrasi

Tabel 11. PRED(L) untuk Usaha Proyek

PRED(.20) 60% 100%

PRED(.25) 80% 100%

PRED(.30) 80% 100%

Tabel 12. Perhitungan PRED(L) untuk Jadwal Proyek

Tabel 13. PRED(L) untuk Jadwal Proyek

PRED(.25) 100% 100%

PRED(.30) 100% 100%

Analysis Faktor Penyebab

PT Caltex Pacific Indonesia Intranet Web-site, Project Management, Technical Support

Anda mungkin juga menyukai

x = log(kSLOC); y = log(Effort/EM) - 0.01SFlog(kSLOC)

x = log(Effort); y = log(Schedule) - 0.2 * 0.01SFlog(Effort)