Use Case Points Model
4 likes851 views
Dokumen ini membahas estimasi proyek pengembangan perangkat lunak menggunakan metode fuzzy use case points, yang merupakan modifikasi dari metode use case points tradisional untuk meningkatkan akurasi estimasi. Penggunaan logika fuzzy dalam penentuan klasifikasi use case mengurangi ketidakpastian dan meningkatkan keakuratan estimasi sebesar 6 sampai 10%. Penelitian menunjukkan bahwa fuzzy use case points efektif dalam menangani informasi yang kurang akurat dan dapat menghasilkan estimasi yang lebih mendekati effort aktual.
![Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974
Copyright © 2015 IlmuKomputer.Com 55
http://journal.ilmukomputer.org
untuk menghitung faktor kompleksitas Use Case dan
menggunakan Neural Network untuk memetakan data input
berupa use case dan aktor yang terlibat. Dari pengujian yang
mereka lakukan, optimasi Use Case Points dengan Fuzzy
Logic dan Neural Network meningkatkan keakuratan sampai
22% pada beberapa proyek.
3. LANDASAN TEORI
3.1 Use Case Points
Use case adalah cara formal yang menggambarkan
bagaimana sebuah sistem bisnis berinteraksi dengan
lingkungannya (Dennis, 2005). Use Case Points
dikembangkan oleh Gustav Karner di tahun 1993 (Karner,
1993). Untuk melakukan estimasi proyek menggunakan use
case points, dibuat dahulu sebuah use case diagram.
Kemudian klasifikasikan aktor sesuai Tabel 1. Hasil
perkalian jumlah aktor sesuai klasifikasi aktor disebut
Unadjusted Actor Weight (UAW).
Tabel 1. Unadjusted Actor Weighting Table [2]
Actor
Type
Description
Weighting
Factor
Simple External System with well-
defined API
1
Average External system using a
protocol based interface
2
Complex Human 3
Selain aktor, setiap use case diklasifikasikan berdasarkan
jumlah transaksinya. Hasil perhitungan jumlah use case dan
klasifikasinya disebut Unadjusted Use Case Weight
(UUCW).
Tabel 2. Unadjusted Use Case Weighting Table [2]
Use Case
Description
(Transactions)
Weighting
Factor
Simple 1 – 3 5
Average 4 – 7 10
Complex > 7 15
Nilai UAW dan UUCW dijumlahkan menjadi nilai
Unadjusted Use Case Points (UUCP). Selain klasifikasi aktor
dan use case, ada dua jenis faktor yang akan dihitung yaitu
Technical Complexity Factor dan Environmental Factor.
Setiap faktor memiliki beban atau nilai pengali yang berbeda-
beda. Nilai awal yang diberikan untuk tiap faktor berkisar dari
0 – 5 dengan kriteria diberi nilai 0 apabila faktor tersebut
tidak relevan dan 5 jika sangat penting. Sedangkan bila faktor
tidak penting dan tidak relevan maka diberi nilai 3.
Tabel 3. Technical Complexity Factors Table [2]
No Description Weight
T1 Distributed Systems 2.0
T2 Response time or throughput
performance objectives
1.0
T3 End-user online efficiency 1.0
T4 Complex internal proccesing 1.0
T5 Reusability of code 1.0
T6 Easy to install 0.5
T7 Ease of use 0.5
T8 Portability 2.0
T9 Ease of change 1.0
T10 Concurrency 1.0
No Description Weight
T11 Special security objectives included 1.0
T12 Direct access for third parties 1.0
T13 Special user training required 1.0
Tabel 3 digunakan untuk menghitung nilai Technical
Complexity Factor (TCF) dengan rumus:
𝑇𝐶𝐹 = 0.6 + (0.01 ∑ 𝐹𝑖 ∗ 𝑊𝑖
13
𝑖=1
)
Tabel 4. Environmental Factors Table [2]
No Description Weight
E1 Familiarity with system development
process being used
1.5
E2 Application experience 0.5
E3 Object-oriented experience 1.0
E4 Lead analyst capability 0.5
E5 Motivation 1.0
E6 Requirements stability 2.0
E7 Part time staff -1.0
E8 Difficulty of programming language -1.0
Tabel 4 digunakan untuk menghitung nilai Environmental
Factor (EF) dengan rumus:
𝐸𝐹 = 1.4 + (−0.03 ∑ 𝐹𝑖 ∗ 𝑊𝑖
8
𝑖=1
)
Nilai UUCP, TCF dan EF digunakan untuk menghitung
UCP atau Unadjusted Case Points dengan rumus:
𝑈𝐶𝑃 = 𝑈𝑈𝐶𝑃 ∗ 𝑇𝐶𝐹 ∗ 𝐸𝐹
Hasil UCP sudah menggambarkan ukuran dari sistem
yang akan dibuat, langkah selanjutnya menghitung berapa
banyak effort atau tenaga yang dibutuhkan. Nilai effort dapat
diketahui dari hasil UCP dibagi dengan nilai PHM (Person
Hour Multiplier). Nilai PHM diperoleh dengan aturan
sebagai berikut:
F1 = Jumlah E1 sampai E6 yang < 3
F2 = Jumlah E7 sampai E8 yang > 3
Jika F1 + F2 <= 2 maka PHM = 20
Jika F1 + F2 = 3 atau 4 maka PHM = 28
Jika F1 + F2 > 4 maka proyek harus dibatalkan
3.2 Fuzzy Logic
Konsep logika fuzzy diperkenalkan oleh Prof. Lotfi Zadeh
dari Universitas California di Berkeley pada 1965,
dipresentasikan bukan sebagai metodologi kontrol, tetapi
sebagai suatu cara pemrosesan data dengan memperkenankan
penggunaan partial set membership dibanding crisp set
membership.
4 METODE PENELITIAN
Kerangka pemikiran penelitian ini, seperti ditampilkan
dalam Gambar 1, dimulai dari prediksi effort dalam proyek
perangkat lunak. Penelitian ini menggunakan data enam
project. Metode yang diusulkan adalah menggunakan use
case points yang dimodifikasi dengan bantuan logika fuzzy.](https://image.slidesharecdn.com/jurnal-2-35-126-2-pb-180920033830/85/Use-Case-Points-Model-2-320.jpg)
Use Case Points Model
- 1. Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974 Copyright © 2015 IlmuKomputer.Com 54 http://journal.ilmukomputer.org Estimasi Proyek Pengembangan Perangkat Lunak dengan Fuzzy Use Case Points Muhadi Hariyanto Program Studi Sistem Informasi, STMIK Nusa Mandiri muhadi.mho@nusamandiri.ac.id Romi Satria Wahono Fakultas Ilmu Komputer, Universitas Dian Nuswantoro romi@romisatriawahono.net Abstract: Perangkat lunak memegang peranan penting agar sebuah komputer atau sistem dapat digunakan, sehingga dibutuhkan manajemen proyek dalam pengembangan perangkat lunak dan salah satu prosesnya adalah melakukan estimasi agar perangkat lunak yang dihasilkan sesuai dengan jadwal dan biaya yang telah ditentukan. Metode use case points banyak dipakai terutama untuk aplikasi yang berbasis obyek, tetapi ditemukan beberapa kelemahan berupa ketidakpastian faktor biaya dan penentuan klasifikasi use case memiliki beda nilai cukup tinggi yang mengakibatkan hasil estimasi kurang akurat. Metode use case points dimodifikasi dengan menambahkan logika fuzzy sehingga menjadi metode fuzzy use case points, komponen yang dimodifikasi yaitu pada penilaian klasifikasi use case. Modifikasi yang dilakukan berupa penentuan nilai use case berdasarkan jumlah transaksi. Dari hasil percobaan yang dilakukan, nilai effort dari metode ini lebih akurat atau mendekati effort aktual. Peningkatan akurasi metode ini mencapai 6 sampai 10%. Keywords: estimasi proyek software, fuzzy use case point 1. PENDAHULUAN Perangkat lunak merupakan abstraksi fisik yang memungkinkan kita untuk berbicara dengan mesin perangkat keras (Langer, 2008). Tanpa adanya perangkat lunak, maka perangkat keras yang telah diciptakan tidak akan dapat berguna atau berfungsi dengan optimal. Untuk menghasilkan perangkat lunak yang berkualitas, dalam pengembangannya perlu adanya manajemen proyek dengan mengikuti pola SDLC (Software Development Life Cycle). Salah satu kegiatannya adalah melakukan estimasi. Metode estimasi yang dapat digunakan Simply Method (Industri Information Based) (Dennis, 2005), Function Points Approach (Albrecht, 1979), dan Use Case Points (Karner, 1993). Penggunaan metode use case points memberikan perkiraan effort mendekati perkiraan sebenarnya yang dihasilkan oleh pengembang perangkat lunak berpengalaman (Anda, 2002). Ini menandakan pengalaman tim proyek akan mempengaruhi tingkat akurasi estimasi yang dilakukan. Use case points juga memiliki kelemahan berupa ketidakpastian faktor biaya dan penentuan klasifikasi yang memiliki beda nilai pengali cukup tinggi (Fan, 2009). Keterbatasan atau kelemahan yang akan mempengaruhi keakuratan estimasi yaitu adanya perbedaan nilai pengali cukup tinggi dari level kompleksitas tiap use case (Nassif, 2010). Estimasi proyek perangkat lunak dengan menggunakan use case points mudah digunakan tetapi menjadi kurang akurat karena penentuan kompleksitas use case dianggap bersifat linier bila dilihat dari jumlah transaksi setiap use case. Sebagai alternatif, digunakan fuzzy use case points yang merupakan modifikasi dari use case points yaitu dengan menambahkan atau memodifikasi nilai pengali dari klasifikasi jumlah transaksi yang ada di use case dengan menggunakan logika fuzzy. 2. PENELITIAN TERKAIT Mohammed Wajahat Kamal dan Moataz A. Ahmed melakukan perbandingan metode penghitungan effort dalam proyek pengembangan perangkat lunak di tahun 2011. Latar belakang masalah yang mendasari mereka melakukan penelitian tersebut karena terdapat beberapa metode yang dapat dilakukan untuk menghitung estimasi effort di awal proyek, tetapi akan sulit dilakukan karena data awal kurang akurat dan kurang detail. Mereka melakukan perbandingan beberapa metode, yaitu: Use Case Points, Transactions, Paths, Extended Use Case Points, UCPm, Adapted Use Case Points, Use Case Size Points, Fuzzy Use Case Points, Simplified Use Case Points, dan Industrial use of Use Case Points. Dari hasil pengujian metode yang ada, ternyata Fuzzy Use Case Points mampu menangani informasi yang tidak atau kurang tepat dan transparansi. Mohammad Saber Iraji, Majid Aboutalebi dan Homayun Motameni di tahun 2011 melakukan penelitian untuk menemukan metode yang secara otomatis dapat menentukan tingkat kompleksitas use case pada saat melakukan estimasi effort dengan menggunakan use case points. Latar belakang masalah yang mendasari karena metode use case points memiliki kelemahan berupa ketidakpastian dari faktor biaya dan penentuan klasifikasinya kurang detail. Metode yang disarankan oleh mereka adalah menggunakan Neuro Fuzzy Use Case Points (NFUCP), dan dari hasil pengujian menunjukkan kalau memang pengolahan data dengan menggunakan NFUCP lebih akurat dan mendekati actual effort dari pengembangan sebuah perangkat lunak. Ali Bou Nasif, Luiz Fernando Capretz dan Danny Ho melakukan penelitian untuk meningkatkan keakuratan estimasi metode Use Case Points dengan teknik Soft Computing di tahun 2010. Latar belakang penelitian karena identifikasi dari International Society of Parametrics Analysis dan The Standish Group International bahwa estimasi yang jelek sebagai salah satu penyebab dari kegagalan pengembangan perangkat lunak. Mereka melakukan modifikasi Use Case Points dengan Fuzy Logic
- 2. Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974 Copyright © 2015 IlmuKomputer.Com 55 http://journal.ilmukomputer.org untuk menghitung faktor kompleksitas Use Case dan menggunakan Neural Network untuk memetakan data input berupa use case dan aktor yang terlibat. Dari pengujian yang mereka lakukan, optimasi Use Case Points dengan Fuzzy Logic dan Neural Network meningkatkan keakuratan sampai 22% pada beberapa proyek. 3. LANDASAN TEORI 3.1 Use Case Points Use case adalah cara formal yang menggambarkan bagaimana sebuah sistem bisnis berinteraksi dengan lingkungannya (Dennis, 2005). Use Case Points dikembangkan oleh Gustav Karner di tahun 1993 (Karner, 1993). Untuk melakukan estimasi proyek menggunakan use case points, dibuat dahulu sebuah use case diagram. Kemudian klasifikasikan aktor sesuai Tabel 1. Hasil perkalian jumlah aktor sesuai klasifikasi aktor disebut Unadjusted Actor Weight (UAW). Tabel 1. Unadjusted Actor Weighting Table [2] Actor Type Description Weighting Factor Simple External System with well- defined API 1 Average External system using a protocol based interface 2 Complex Human 3 Selain aktor, setiap use case diklasifikasikan berdasarkan jumlah transaksinya. Hasil perhitungan jumlah use case dan klasifikasinya disebut Unadjusted Use Case Weight (UUCW). Tabel 2. Unadjusted Use Case Weighting Table [2] Use Case Description (Transactions) Weighting Factor Simple 1 – 3 5 Average 4 – 7 10 Complex > 7 15 Nilai UAW dan UUCW dijumlahkan menjadi nilai Unadjusted Use Case Points (UUCP). Selain klasifikasi aktor dan use case, ada dua jenis faktor yang akan dihitung yaitu Technical Complexity Factor dan Environmental Factor. Setiap faktor memiliki beban atau nilai pengali yang berbeda- beda. Nilai awal yang diberikan untuk tiap faktor berkisar dari 0 – 5 dengan kriteria diberi nilai 0 apabila faktor tersebut tidak relevan dan 5 jika sangat penting. Sedangkan bila faktor tidak penting dan tidak relevan maka diberi nilai 3. Tabel 3. Technical Complexity Factors Table [2] No Description Weight T1 Distributed Systems 2.0 T2 Response time or throughput performance objectives 1.0 T3 End-user online efficiency 1.0 T4 Complex internal proccesing 1.0 T5 Reusability of code 1.0 T6 Easy to install 0.5 T7 Ease of use 0.5 T8 Portability 2.0 T9 Ease of change 1.0 T10 Concurrency 1.0 No Description Weight T11 Special security objectives included 1.0 T12 Direct access for third parties 1.0 T13 Special user training required 1.0 Tabel 3 digunakan untuk menghitung nilai Technical Complexity Factor (TCF) dengan rumus: 𝑇𝐶𝐹 = 0.6 + (0.01 ∑ 𝐹𝑖 ∗ 𝑊𝑖 13 𝑖=1 ) Tabel 4. Environmental Factors Table [2] No Description Weight E1 Familiarity with system development process being used 1.5 E2 Application experience 0.5 E3 Object-oriented experience 1.0 E4 Lead analyst capability 0.5 E5 Motivation 1.0 E6 Requirements stability 2.0 E7 Part time staff -1.0 E8 Difficulty of programming language -1.0 Tabel 4 digunakan untuk menghitung nilai Environmental Factor (EF) dengan rumus: 𝐸𝐹 = 1.4 + (−0.03 ∑ 𝐹𝑖 ∗ 𝑊𝑖 8 𝑖=1 ) Nilai UUCP, TCF dan EF digunakan untuk menghitung UCP atau Unadjusted Case Points dengan rumus: 𝑈𝐶𝑃 = 𝑈𝑈𝐶𝑃 ∗ 𝑇𝐶𝐹 ∗ 𝐸𝐹 Hasil UCP sudah menggambarkan ukuran dari sistem yang akan dibuat, langkah selanjutnya menghitung berapa banyak effort atau tenaga yang dibutuhkan. Nilai effort dapat diketahui dari hasil UCP dibagi dengan nilai PHM (Person Hour Multiplier). Nilai PHM diperoleh dengan aturan sebagai berikut: F1 = Jumlah E1 sampai E6 yang < 3 F2 = Jumlah E7 sampai E8 yang > 3 Jika F1 + F2 <= 2 maka PHM = 20 Jika F1 + F2 = 3 atau 4 maka PHM = 28 Jika F1 + F2 > 4 maka proyek harus dibatalkan 3.2 Fuzzy Logic Konsep logika fuzzy diperkenalkan oleh Prof. Lotfi Zadeh dari Universitas California di Berkeley pada 1965, dipresentasikan bukan sebagai metodologi kontrol, tetapi sebagai suatu cara pemrosesan data dengan memperkenankan penggunaan partial set membership dibanding crisp set membership. 4 METODE PENELITIAN Kerangka pemikiran penelitian ini, seperti ditampilkan dalam Gambar 1, dimulai dari prediksi effort dalam proyek perangkat lunak. Penelitian ini menggunakan data enam project. Metode yang diusulkan adalah menggunakan use case points yang dimodifikasi dengan bantuan logika fuzzy.
- 3. Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974 Copyright © 2015 IlmuKomputer.Com 56 http://journal.ilmukomputer.org UUCW UUCP USE CASE POINTS FUZZY USE CASE POINTS MODEL ACCURACY MMRE MMER INDICATORS PROPOSED METHOD OBJECTIVES MEASUREMENT Observed Variables Observed Variables Gambar 1. Kerangka Pemikiran Penelitian Data dalam penelitian ini diperoleh dengan menggunakan teknik wawancara ke programmer dari proyek perangkat lunak yang sedang atau sudah selesai dikerjakan. Data yang didapat berupa use case metrics dari enam proyek perangkat lunak. Semua proyek memiliki effort aktual dalam satuan hours, nilai effort tersebut merupakan jumlah waktu yang diperlukan oleh programmer dalam menyelesaikan proyeknya, mulai dari tahap planning, analysis, design¸ dan implementation. Berikut ini diagram use case dari enam proyek yang dijadikan bahan penelitian. Gambar 2. Diagram Use Case Sistem Informasi Sekolah Gambar 3. Diagram Use Case Sistem Informasi Depot Gambar 4. Diagram Use Case Sistem Informasi Bayplan Gambar 5. Diagram Use Case Sistem Informasi Penerimaan Mahasiswa Baru uc Use Case Model Sisfo Sekolah Admin/Kurikulum Mengelola User Melakukan Konfigurasi Data Mengatur Kelas KBM Mengatur Mata Pelajaran dan SK/KD Mengatur Kelas Komite Mengatur Guru PA Mengolah Data UN/US Melakukan Entry dan Olah Data Soal Guru Melihat Data RPP dan Nilai Melihat Data Guru Bendahara Melihat Data Bendahara Mengatur Data Awal SPP Melakukan Transaksi SPP Membuat Laporan Siswa Melihat Data Siswa Mengikuti Test OnLine Melihat Hasil UN/US «include» «include» «include» «include» uc Use Case Model SisfoDepot User Melakukan Login Input Pergerakan In Depot Input Pergerakan OutDepot Input Kondisi Contr Melakukan Transaksi Pembayaran Melakukan Setting Data Master SisfoBayplan Memasukkan Password dan Level Akses Mengatur General Setting Input Kondisi AV Input Kondisi DM Membuat Tagihan Membuat Laporan 01 Menggunakan Tools Membuat Laporan 02 Admin Gate Kasir «include» «extend» «extend» uc Use Case Model SisfoBayplan User Melakukan Login Melihat Peta Blok Melihat Graphic Komposisi Contr Melakukan Update Warna Principal SisfoDepot Menyimpan Lokasi Container Mengedit Lokasi Contr Membuat Backup Data Lokasi Membuat Laporan Menggunakan Tools Mengelola User uc Use Case Model Sisfo PMB Admin Admisi-Petugas Calon Mahasiswa Mengatur Data Awal Menyediakan Informasi Mengikuti Ujian Online Memeriksa pembayaran formulir Melakukan Pendaftaran Mahasiswa Mengolah data non ujian online Menampilkan pengumuman Melihat Informasi Melihat Pengumuman
- 4. Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974 Copyright © 2015 IlmuKomputer.Com 57 http://journal.ilmukomputer.org Gambar 6. Diagram Use Case Sistem Informasi Akademik Gambar 7. Diagram Use Case Sistem Informasi Perpustakaan 5 METODE YANG DIUSULKAN Metode yang diusulkan adalah dengan menyempurnakan menghitung kompleksitas use case dengan menggunakan fuzzy inference system metode Mamdani karena memiliki keuntungan lebih intuitif, memiliki penerimaan luas dan cocok untuk input manusia (Sivanandam, 2007). Sehingga dengan demikian, fuzzy inference system yang dibuat menjadi lebih mudah dalam penggunaan dan pembacaan hasilnya. Logika fuzzy yang dibuat menggunakan representasi kurva segitiga karena bentuk kurva segitiga lebih sederhana dalam penentuan dan mudah divisualisasikan, selain itu dalam pemodelan sistem dinamis dengan menggunakan fungsi segitiga dapat memperkirakan perilaku atau nilai yang hampir presisi di setiap tingkat (Cox, 1994). Variabel masukan terdiri dari tiga kurva segitiga untuk memasukkan jumlah transaksi dari setiap use case. Variabel keluaran terdiri dari tiga kurva segitiga yang menghasilkan nilai pengali dari tiap use case. Gambar 8 menunjukkan ada empat kategori data yang digunakan sebagai masukan dalam menghitung estimasi dan akan menghasilkan satu keluaran berupa effort. Hanya satu kategori yaitu klasifikasi aktor yang menggunakan fuzzy inference system, sedangkan kategori yang lain diolah sesuai dengan metode use case points. Penelitian menggunakan model eksperimen yang menyelidiki hubungan kausal menggunakan data yang dikendalikan sendiri oleh peneliti. Fuzzy inference system yang dibuat hanya terdiri dari satu variabel masukan dan satu variabel keluaran dengan menggunakan representasi kurva segitiga. Klasifikasi use case dengan menggunakan metode use case points dikelompokkan menjadi tiga yaitu simple, average dan complex. Pada metode yang diusulkan dan hasil pengujian metode diperoleh klasifikasi kompleksitas use case menjadi 12 kelompok dengan asumsi jumlah maksimal transaksi pada setiap use case adalah 12 transaksi. uc Use Case Model Sisfo Akademik Prodi Mahasiswa BAAK Dosen Mengatur data awal KRS Mengolah data KHS sebelumnya Mengatur prasyarat Mengisi KRS Mengatur persentase penilaian dosen Mengatur skala penilaian Mengatur nilai tugas Memasukkan data kehadiran Memasukkan nilai Memproses penilaian Mencetak KHS Memproses Yudisium «include» uc Use Case Model Sisfo Perpustakaan Admin Mengolah Data Anggota Melakukan Pengolahan buku dan skripsi Memproses sirkulasi Melakukan Penyusunan Laporan Mengatur data awal
- 5. Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974 Copyright © 2015 IlmuKomputer.Com 58 http://journal.ilmukomputer.org Klasifikasi Aktor Klasifikasi Use Case Menghitung Technical Factor Menghitung Environmental Factor Fuzzyfikasi Fuzzy Inference System Unadjusted Actor Weight (UAW) Unadjusted Use Case Weight (UUCW) Technical Factor Environmental Factor Unadjusted Use Case Points (UUCP) Person Hours Multiplier Use Case Points (UCP) Effort Defuzzyfikasi Gambar 8. Metode yang Diusulkan Tabel 5. Perbandingan Nilai Klasifikasi Use Case Transaksi di use case Nilai metode use case Nilai fuzzy use case 1 5 5,00 2 5 5,00 3 5 6,45 4 10 7,50 5 10 8,55 6 10 10,00 7 10 11,40 8 15 12,50 9 15 13,60 10 15 15,00 11 15 15,00 12 15 15,00 Metode yang diusulkan pada penelitian ini adalah dengan menerapkan logika fuzzy yang digunakan untuk menentukan nilai pengali dari pengklasifikasian use case sehingga didapat nilai yang lebih bervariatif dan menghasilkan nilai effort yang lebih mendekati nilai effort sebenarnya. Penelitian ini menggunakan dua metode untuk membandingkan nilai effort, yaitu Mean Magnitude of Relative Error (MMRE) yang merupakan kriteria yang sangat umum digunakan untuk mengevaluasi model estimasi effort perangkat lunak (Briand, 1998). Nilai MMRE merupakan nilai rata-rata dari sejumlah nilai MRE yang didapat dengan rumus: 𝑴𝑹𝑬𝒊 = |𝑨𝒄𝒕𝒖𝒂𝒍 𝑬𝒇𝒇𝒐𝒓𝒕𝒊 − 𝑷𝒓𝒆𝒅𝒊𝒄𝒕𝒆𝒅 𝑬𝒇𝒇𝒐𝒓𝒕𝒊| 𝑨𝒄𝒕𝒖𝒂𝒍 𝑬𝒇𝒇𝒐𝒓𝒕𝒊 Metode kedua adalah Mean Magnitude of Error Relative (MMER) sebagai alternatif metode lain untuk mengevaluasi model estimasi effort perangkat lunak (Kitchenham, 2001). Nilai MMER merupakan nilai rata-rata dari sejumlah nilai MER yang didapat dengan rumus: 𝑴𝑬𝑹𝒊 = |𝑨𝒄𝒕𝒖𝒂𝒍 𝑬𝒇𝒇𝒐𝒓𝒕𝒊 − 𝑷𝒓𝒆𝒅𝒊𝒄𝒕𝒆𝒅 𝑬𝒇𝒇𝒐𝒓𝒕𝒊| 𝑷𝒓𝒆𝒅𝒊𝒄𝒕𝒆𝒅 𝑬𝒇𝒇𝒐𝒓𝒕𝒊 Ketika menggunakan MMRE dan MMER untuk evaluasi, hasil yang bagus ditunjukkan dengan nilai yang rendah. Terkadang hasil dari MMRE dan MMER kurang akurat sehingga perlu ditambah dengan Mean Error with Standard Deviation (Nassif, 2010). Langkah pertama mencari nilai rerata error setiap metode dengan rumus: 𝒙̅ = 𝟏 𝑵 ∑ 𝒙𝒊 𝑵 𝒊=𝟏 Dimana 𝒙 𝟏 = (𝑨𝒄𝒕𝒖𝒂𝒍 𝑬𝒇𝒇𝒐𝒓𝒕𝒊 − 𝑷𝒓𝒆𝒅𝒊𝒄𝒕𝒆𝒅 𝑬𝒇𝒇𝒐𝒓𝒕𝒊) Nilai deviasi diperoleh dengan rumus: 𝑺𝑫 = √ 𝟏 𝑵−𝟏 ∑ (𝒙𝒊 − 𝒙̅) 𝟐𝑵 𝒊=𝟏 Sedangkan nilai Mean Error with Standard Deviation didapat dengan rumus: 𝒙̅ ± 𝑺𝑫 6 HASIL PENELITIAN DAN PEMBAHASAN 6.1 Eksperimen dan Pengujian Metode 6.1.1 Metode Use Case Use case diagram yang terdiri dari use case dan aktor mengggambarkan apa yang dapat dikerjakan oleh sistem. Sebagai contoh pengujian, diambil data salah satu proyek perangkat lunak yaitu aplikasi Sistem Informasi Depot. Dari Gambar 3, diketahui terdapat lima aktor dan 14 use case. Tahapan yang dilakukan: 1. Klasifikasikan aktor yang terlibat untuk menghasilkan nilai Unadjusted Actor Weight (UAW).
- 6. Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974 Copyright © 2015 IlmuKomputer.Com 59 http://journal.ilmukomputer.org Tabel 6. Unadjusted Actor Weighting Table Actor Type Description Weighting Factor Number Result Simple External System with well-defined API 1 -- -- Average External system using a protocol based interface 2 1 2 Complex Human 3 4 12 Unadjusted Actor Weight Total (UAW) 14 2. Klasifikasikan use case yang ada di use case diagram untuk menghasilkan nilai Unadjusted Use Case Weighting (UUCW) Tabel 7. Unadjusted Use Case Weighting Table Use Case Type Description Weighting Factor Number Result Simple 1 – 3 transactions 5 6 30 Average 4 – 7 transactions 10 3 30 Complex > 7 transactions 15 5 75 Unadjusted Use Case Weight Total (UUCW) 135 3. Nilai UAW dan UUCW dijumlahkan menjadi nilai Unadjusted Use Case Points (UUCP), sehingga UUCP dari aplikasi tersebut adalah 149. 4. Menghitung nilai faktor teknik untuk memperoleh nilai Technical Complexity Factor (TCF). Tabel 8. Technical Complexity Factors Table Factor Number Description Weight Assigned Value (0–5) Weighted Value T1 Distributed Systems 2,0 5 10,0 T2 Response time or throughput performance objectives 1,0 4 4,0 T3 End-user online efficiency 1,0 4 4,0 T4 Complex internal proccesing 1,0 4 4,0 T5 Reusability of code 1,0 2 2,0 T6 Easy to install 0,5 5 2,5 T7 Ease of use 0,5 3 1,5 T8 Portability 2,0 1 2,0 T9 Ease of change 1,0 3 3,0 T10 Concurrency 1,0 2 2,0 T11 Special security objectives included 1,0 2 2,0 T12 Direct access for third parties 1,0 5 5,0 T13 Special user training required 1,0 3 3,0 Technical Factor Value (TFactor) 45,0 Rumus yang digunakan untuk mendapatkan nilai Technical Complexity Factor: 𝑇𝐶𝐹 = 0,6 + (0,01 ∗ 𝑇𝐹𝑎𝑐𝑡𝑜𝑟) 𝑇𝐶𝐹 = 0,6 + (0,01 ∗ 45) 𝑇𝐶𝐹 = 1,05 5. Menghitung nilai faktor lingkungan untuk memperoleh nilai Environmental Factor (EF) Tabel 9. Environmental Factor Table Factor Number Description Weight Assigned Value (0–5) Weighted Value E1 Familiarity with system development process being used 1,5 4 6,0 E2 Application experience 0,5 3 1,5 E3 Object-oriented experience 1,0 4 4,0 E4 Lead analyst capability 0,5 4 2,0 E5 Motivation 1,0 3 3,0 E6 Requirements stability 2,0 4 8,0 E7 Part time staff -1,0 0 0,0 E8 Difficulty of programming language -1,0 3 -3,0 Environmental Factor Value (EFactor) 21,5 Rumus yang digunakan untuk mendapatkan nilai Environmental Factor: 𝐸𝐹 = 1,4 + (−0,03 ∗ 𝐸𝐹𝑎𝑐𝑡𝑜𝑟) 𝐸𝐹 = 1,4 + (−0,03 ∗ 21,5) 𝐸𝐹 = 0,76
- 7. Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974 Copyright © 2015 IlmuKomputer.Com 60 http://journal.ilmukomputer.org 6. Nilai UUCP, TCF dan EF digunakan untuk menghitung nilai Unadjusted Case Points dengan rumus: 𝑈𝐶𝑃 = 𝑈𝑈𝐶𝑃 ∗ 𝑇𝐶𝐹 ∗ 𝐸𝐹 𝑈𝐶𝑃 = 149 ∗ 1,05 ∗ 0,76 𝑈𝐶𝑃 = 118,90 7. Berdasarkan data di Tabel 9, dapat diketahui nilai Person Hour Multiplier (PHM) adalah 20. 8. Effort aplikasi didapat dengan menggunakan rumus: 𝐸𝑓𝑓𝑜𝑟𝑡 = 𝑈𝐶𝑃 ∗ 𝑃𝐻𝑀 𝐸𝑓𝑓𝑜𝑟𝑡 = 118,90 ∗ 20 𝐸𝑓𝑓𝑜𝑟𝑡 = 2.378 Dari hasil penghitungan estimasi proyek perangkat lunak sistem informasi depot dengan menggunakan metode use case points diperoleh hasil effort adalah sebesar 2.378 jam. Hasil pengujian semua proyek yang ada dengan metode use case points dapat dilihat pada Gambar 10. Gambar 10. Hasil Pengujian dengan Metode Use Case Points 6.1.2 Metode Fuzzy Use Case Points Metode fuzzy use case points yang digunakan dalam penelitian ini merupakan modifikasi metode use case points dengan menggunakan logika fuzzy untuk memberikan nilai klasifikasi use case. Logika fuzzy dibuat menggunakan fuzzy inference system metode Mamdani, terdiri dari variabel masukan dan keluaran yang masing-masing terdiri dari tiga kurva segitiga. Gambar 11. FIS Metode Mamdani Gambar 12. Variabel Masukan Gambar 13. Variabel Keluaran Logika fuzzy yang dibuat juga memerlukan pengaturan rules sebagai berikut: If transaksi is simple then pengali is simple If transaksi is average then pengali is average If transaksi is complex then pengali is complex Dari hasil pengujian logika dengan memberikan nilai masukan berupa jumlah transaksi akan menghasilkan nilai pengali sesuai Tabel 10. Tabel 10. Hasil Keluaran Logika Fuzzy Nilai masukan (transaksi) Nilai keluaran (pengali) 1 5,00 2 5,00 3 6,45 4 7,50 5 8,55 6 10,00 7 11,40 8 12,50 9 13,60 10 15,00 11 15,00 12 15,00 6.2 Evaluasi dan Validasi Hasil Dengan menggunakan data dari aplikasi yang sama, dilakukan penelitian untuk menghitung effort dengan menggunakan logika fuzzy. Tahapan yang dilakukan untuk menghitung effort dengan menggunakan logika fuzzy tidak banyak berbeda dengan metode use case points, yang membedakan hanya ketika mencari nilai anadjusted use case weight. Untuk menentukan nilai unadjusted use case weight menggunakan Tabel 10. Nilai UAW, TCF, EF dan PHM menggunakan nilai yang diperoleh dengan metode use case points. Sedangkan nilai UUCW untuk aplikasi sistem informasi depot apabila menggunakan logika fuzzy tercantum pada Tabel 11.
- 8. Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974 Copyright © 2015 IlmuKomputer.Com 61 http://journal.ilmukomputer.org Tabel 11. Klasifikasi use case dengan logika fuzzy No Use case Trans aksi Nilai 1 Melakukan login 1 5,00 2 Memasukkan password dan level akses 1 5,00 3 Mengatur general setting 2 5,00 4 Input pergerakan in depot 3 6,45 5 Input pergerakan out depot 5 8,55 6 Input kondisi contr 2 5,00 7 Input kondisi DM 8 12,50 8 Input kondisi AV 2 5,00 9 Melakukan transaksi pembayaran 8 12,50 10 Membuat laporan 1 10 15,00 11 Membuat laporan 2 10 15,00 12 Melakukan konfigurasi data master 10 15,00 13 Menggunakan tools 5 8,55 14 Membuat tagihan 7 11,40 Nilai unadjusted use case weight 129,95 Dari hasil pengujian diperoleh nilai UUCW adalah 129,95. Dengan data yang ada, nilai UAW adalah 14, sehingga nilai UUCP menjadi 143,95 dan nilai UCP 114,87. Effort yang didapat dengan metode fuzzy use case points adalah 2.297 jam. Hasil lengkap pengujian dengan metode fuzzy use case points dapat dilihat pada Gambar 14. Gambar 14. Hasil Pengujian dengan Metode Fuzzy Use Case Points 6.3 Pembahasan Semua data use case metrics dari enam aplikasi dihitung dengan menggunakan metode use case points dan fuzzy use case points sehingga diperoleh data effort untuk setiap aplikasi. Effort sesungguhnya dibandingkan dengan effort dari metode use case points dan fuzzy use case points menggunakan rumus membandingkan nilai effort yaitu MMRE (Briand, 1998) dan MMER (Kitchenham, 2001) serta dilengkai pula dengan rumus Mean Error with Standard Deviation (Nassif, 2010). Hasil perhitungan effort dari enam proyek perangkat lunak terlihat pada Gambar 15. Gambar 15. Perbandingan Hasil Pengujian dengan Dua Metode Dari hasil pengujian menghitung estimasi proyek perangkat lunak antara metode use case point dan fuzzy use case point, ditemukan perbedaan hasil yang mempengaruhi akurasi. Peningkatan akurasi mendekati effort aktual menggunakan fuzzy use case points sebesar 6% untuk MMER dan 10% bila menggunakan metode pengukuran MMRE. Rerata standar deviasi kesalahan metode use case points sebesar 394,00 + 249,25 sedangkan metode fuzzy use case points sebesar 239,17 + 158,52. Nilai rerata standar deviasi kesalahan metode fuzzy use case points lebih kecil bila dibandingkan dengan nilai metode use case points. Dengan demikian, dari tiga metode pengukuran dapat terlihat bila menghitung estimasi dengan logika fuzzy akan lebih mendekati effort aktual. 6.4 Tools Dalam pengolahan data pada penelitian ini, penulis merancang sebuah aplikasi berbasis web dengan menggunakan bahasa pemrograman PHP sebagai alat bantu untuk mempermudah dalam proses perhitungan effort yang menggunakan metode use case points dan fuzzy use case points. Aplikasi ini hanya digunakan untuk menyimpan data use case metrics dari enam proyek perangkat lunak kemudian
- 9. Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974 Copyright © 2015 IlmuKomputer.Com 62 http://journal.ilmukomputer.org diolah dengan rumus dari metode use case points dan fuzzy use case points, Agar aplikasi dapat menghitung dengan metode fuzzy use case points, maka hasil pengolahan fuzzy inference system di masukkan ke dalam sistem. Gambar 16. Tampilan Awal Aplikasi Gambar 17. Halaman Fuzzy Use Case Points Gambar 18. Halaman Project Gambar 19. Halaman Menambahkan Proyek Baru Gambar 20. Halaman Menambah dan Mengubah Data Aktor Gambar 21. Halam Edit Nama dan Jumlah Transaksi Setiap Use Case Gambar 22. Halaman Untuk Mengisi Nilai Technical Factor Gambar 23. Halaman Untuk Mengisi Nilai Environmental Factor
- 10. Journal of Software Engineering, Vol. 1, No. 1, April 2015 ISSN 2356-3974 Copyright © 2015 IlmuKomputer.Com 63 http://journal.ilmukomputer.org Gambar 24. Halaman Hasil Proses Use Case Metrics 7 KESIMPULAN Menghitung estimasi proyek pengembangan perangkat lunak dengan menggunakan metode fuzzy use case points memberikan kenaikan akurasi mendekati effort sebenarnya bila dibandingkan dengan menggunakan use case points. Kenaikan akurasi sebesar 6% bila menggunakan metode perhitungan MMER dan 10% dengan metode MMRE. Nilai standar deviasi kesalahan juga lebih kecil metode fuzzy use case points yaitu sebesar 239,17 + 158,52. Sedangkan nilai standar deviasi kesalahan metode use case points sebesar 394,00 + 249,25. Sehingga dapat disimpulkan bahwa estimasi menggunakan metode fuzzy use case points lebih mendekati effort sebenarnya dalam proses menghitung estimasi pengembangan perangkat lunak. DAFTAR REFERENSI Anda, Bente., (2002). Comparing Effort Estimates Based on Use Case Points with Expert Estimates. Empirical Assessment in Software Engineering (EASE 2002). Away, Gunaidi Abdia,.(2010). The Shortcut of Matlab Programming. Bandung: Informatika. Albrecht, Allan J., (1979). Measuring Application Development Productivity. Joint SHARE/GUIDE/IBM Appplication Development Symposium. Berndtssom, M., Hansson, J., Olsson, N., & Lundell, B. (2008). A Guide for Students in Computer Science and Information Systems (2nd ed). London: Springer. Briand, Lionel C., Emam, Khaled El., Surmann, Dagmar., Wieczorek, Isabella., & Maxwell, Katrina D., (1998). An Assessment and Comparison of Common Software Cost Estimation Modeling Techniques. International Software Engineering Research Network Technical Report ISERN-98- 27. Cox, Earl., (1994). The Fuzzy System Handbook (A Practitioner’s Guide to Building, Using, and Maintaining Fuzzy Systems). Massachusetts: Academic Press, Inc. Dennis, A., Wixom, B. H., & Tegarden, D., (2005). System Analysis and Design with UML Version 2.0 An Object-Oriented Approach (2nd ed). USA: John Wiley & Sons, Inc. Dawson, C. W. (2009). Projects in Computing and Information System A Student’s Guide (2nd ed). England: Addison-Wesley Fan, Wang., Xiahou, Yang., Xiachun, Zhu., & Lu, Chen. (2009). Extended Use Case Points Method for Software Cost Estimation. The Center of Technology and Business Innovation. Gray, D.E. (2004). Doing Research in the Real World. India: SAGE Gustafson, David A. (2002). Theory and Problems of Software Engineering. USA: McGraw-Hill. Iraji, Mohammad Saber., Aboutalebi, Majid., & Motameni, Homayun., (2012). Effort Estimate with Neuro Fuzzy Use Case Point Based on Exact Weights. Progress in Computing Applications Volume 1 Number 1, March 2012. Langer, Arthur M. (2008). Analysis and Design of Information Systems (3rd ed). London: Springer Lee, Kwang H, (2005). First Course on Fuzzy Theory and Applications. German: Springer. Lily, John H., (2010). Fuzzy Control and Identification. New Jersey: John Wiley Lughofer, Edwin. (2011). Envolving Fuzzy Systems, Methodologies, Advanced Concepts and Applications. German: Springer. Kamal, Mohammed Wajahat., & Ahmed, Moataz A., (2011). A Proposed Framework for Use Case bassed Effort Estimation using Fuzzy Logic: Building upon the outcomes of a Systematic Literature Review. International Journal on New Computer Architectures and Their Applications (IJNCAA) 1(4):976-999 The Society of Digital Information and Wireless Communications, 2011 (ISSN: 2220-9085). Karner, Gustav. (1993). Resource Estimation for Objectory Projects. Objective Systems SF AB, Rational Software. Kitchenham, B.A., Pickard, L.M., MacDonell, S.G., & Shepperd, M.J., (2001). What accuracy statistics really measure. IEE Proc-Softw., Vol. 148, No. 3, June 2001. Kothari, C. R. (2004). Research Methodology Methodes and Technique (2nd ed). India: New Age International Kusumadewi, S., & Purnomo, H., (2010). Aplikasi Logika Fuzzy untuk Pendukung Keputusan (2nd ed). Yogyakarta: Graha Ilmu Nassif, Ali Bou., Capretz, Luiz Fernaando., & Ho, Danny., (2010). Enhancing Use Case Points Estimation Method Using Soft Computing Techniques. Journal of Global Research in Computer Science Volume 1, No. 4, November 2010 Sivanandam, S.N., Sumathi, S., & Deepa, S.N., (2007). Introduction to Fuzzy Logic using MATLAB. German: Springer. Sommerville, Ian. (2007). Software Engineering (8th ed). England: Addison-Wesley Webopedia Computer Dictionary. (n.d). October 10, 2012. http://www.webopedia.com/TERM/F/fuzzy_logic.html Yeates, D., & Wakefield, T. (2004). System Analysis and Design. England: Pearson Education Limited. BIOGRAPHY OF AUTHORS Muhadi Hariyanto. Menyelesaikan pendididikan S1 dan S2 di STMIK Nusa Mandiri, Jakarta. Saat ini bekerja sebagai programmer di Universitas Tarumanagara dan sebagai dosen S1 di STMIK Nusa Mandiri. Research interest di bidang software engineering. Romi Satria Wahono. Menempuh pendidikan S1 (B.Eng), S2 (M.Eng) di bidang Software Engineering di Department of Computer Science di Saitama University, Jepang. Menyelesaikan pendidikan S3 (Ph.D) bidang Software Engineering di Universiti Teknikal Malaysia Melaka. Founder dan CEO PT Brainmatics, IlmuKomputer.Com dan Intelligent Systems Research Center. Mengajar di beberapa program pasca sarjana ilmu komputer di Indonesia, salah satunya di Universitas Dian Nuswantoro. Research interest di bidang Software Engineering dan Machine Learning. Professional member dari IEEE CS, ACM dan PMI.