ANALISIS METODE ANALOGY BASED ESTIMATION UNTUK PERKIRAAN BIAYA PERANGKAT LUNAK
Oleh :
ARDIANSYAH G64103031
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR 2007
ANALISIS METODE ANALOGY BASED ESTMATION UNTUK PERKIRAAN BIAYA PERANGKAT LUNAK
Skripsi Sebagai salah satu syarat untuk memperoleh gelar Sarjana Komputer pada Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Oleh : ARDIANSYAH G64103031
DEPARTEMEN ILMU KOMPUTER FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM INSTITUT PERTANIAN BOGOR BOGOR 2007
3
ABSTRAK ARDIANSYAH. Analisis Metode Analogy Based Estimation Untuk Perkiraan Biaya Perangkat Lunak. Dibimbing oleh WISNU ANANTA KUSUMA dan IRMAN HERMADI. Dalam proses pengembangan perangkat lunak, perkiraan biaya merupakan hal yang sangat penting. Beberapa metode perkiraan biaya perangkat lunak telah dikembangkan selama beberapa tahun terakhir. Pada penelitian ini, metode yang digunakan untuk memperkirakan biaya perangkat lunak adalah analogy based estimation. Penelitian ini bertujuan menganalisis kinerja metode analogy based estimation dan mengupayakan perbaikan yang dapat meningkatkan kinerjanya. Data yang digunakan dalam penelitian ini adalah kelompok data COCOMO 81 dan mission planning NASA. Acuan ukuran kinerja yang digunakan adalah Magnitude of Relative Error (MRE), mean MRE (MMRE), median MRE (MdMRE), nilai MRE maksimal (max MRE), nilai MRE minimal (min MRE), dan standar deviasi MRE (SDMRE). Pengujian dilakukan dengan menggunakan atribut ukuran perangkat lunak/lines of code (LOC), menggunakan atribut cost driver, dan menggunakan atribut LOC dan cost driver sekaligus. Hasil pengujian menunjukkan bahwa kinerja terbaik dihasilkan oleh pengujian yang menggunakan LOC. Pada kelompok data COCOMO 81, pengujian dengan ukuran menghasilkan nilai MMRE sebesar 198,121% MdMRE sebesar 79,283%, max MRE sebesar 1.286,170%, min MRE sebesar 1,563%, dan SDMRE sebesar 261,318%. Pada kelompok data mission planning NASA, pengujian dengan ukuran menghasilkan nilai MMRE sebesar 67,781%, MdMRE sebesar 67,055%, max MRE sebesar 190,952%, min MRE sebesar 7,639%, dan SDMRE sebesar 49,608%. dan pred(25) terbaik sebesar 38,889%. Modifikasi pada metode analogy based estimation dilakukan dengan penerapan peringkat pada perhitungan jarak antar proyek. Hasil pengujian menunjukkan bahwa kinerja metode analogy based estimation menjadi lebih baik dengan penerapan peringkat. Pengujian pada kelompok data COCOMO 81 menghasilkan nilai MMRE sebesar 81,678%, MdMRE sebesar 55,696%, max MRE sebesar 445,745%, min MRE sebesar 1,923%, dan SDMRE sebesar 91,327%. Pengujian pada kelompok data mission planning NASA menghasilkan nilai MMRE sebesar 41,298%, MdMRE sebesar 37,500%, max MRE sebesar 100,000%, min MRE sebesar 0,000%, dan SDMRE sebesar 29,297%. Kata kunci: Perkiraan Biaya Perangkat Lunak, Analogy Based Estimation, Peringkat
Judul : Analisis Metode Analogy Based Estimation Untuk Perkiraan Biaya Perangkat Lunak Nama : Ardiansyah NRP : G64103031
Menyetujui: Pembimbing I
Pembimbing II
Wisnu Ananta Kusuma, S.T., M.T. NIP. 132 312 485
Irman Hermadi, S.Kom., MS NIP. 132 321 422
Mengetahui: Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam Institut Pertanian Bogor
Prof. Dr. Ir. Yonny Koesmaryono, MS NIP. 131 473 999
Tanggal Lulus :
RIWAYAT HIDUP Penulis dilahirkan di Bogor pada tanggal 24 Maret 1986. Penulis adalah anak kedua dari dua bersaudara pasangan Muhammad Hasjim dan Hj. Rohana. Pada tahun 2003, penulis menyelesaikan sekolah menengah atas di SMUN 3 Bogor. Pada tahun yang sama, penulis melanjutkan pendidikannya di program studi S1 Ilmu Komputer Departemen Ilmu Komputer Institut Pertanian Bogor melalui jalur USMI (Undangan Seleksi Masuk IPB). Pada tahun 2006, penulis melaksanakan kegiatan Praktik Kerja Lapangan di Badan Koordinasi Survei dan Pemetaan Nasional.
6
PRAKATA Alhamdulillahi Rabbil ‘alamin, puji dan syukur Penulis panjatkan kepada Allah SWT atas segala curahan rahmat dan karunia-Nya sehingga skripsi dengan judul Analisis Metode Analogy Based Estimation Pada Perkiraan Biaya Perangkat Lunak ini, dapat diselesaikan. Dalam menyelesaikan karya tulis ini penulis mendapatkan banyak sekali bantuan, bimbingan dan dorongan dari berbagai pihak. Oleh karena itu, penulis ingin mengucapkan terima kasih yang sebesar-besarnya kepada semua pihak yang telah membantu kelancaran penelitian ini, antara lain kepada: 1. Orangtuaku tercinta, Bapak Muhammad Hasjim dan Ibunda Hj. Rohanah atas segala do’a , kasih sayang, dan dukungan baik dari moril maupun materiil yang telah diberikan selama ini. 2. Tetehku tersayang Rosmeika, Mas Teguh, A’ Otong serta keponakanku Nadia kecil yang memberi tambahan motivasi dalam penyelesaian karya tulis ini. 3. Bapak Wisnu Ananta Kusuma, S.T, M.T selaku pembimbing pertama atas bimbingan dan arahannya selama penyusunan karya tulis ini. 4. Bapak Irman Hermadi S.Kom, M.S selaku pembimbing kedua atas bimbingan dan arahannya selama penyusunan karya tulis ini. 5. Bapak Ir. Agus Buono, M.Si., M.Kom atas kerjasamanya sebagai moderator dan penguji. 6. Anak-anak kosan B’boyz dan Sarang Rayap yang sudah memberikan tumpangan dan pinjaman fasilitas selama ini. 7. Anizza Restra, Ineza Nur, dan Popi Hariona atas kejasamanya sebagai pembahas. 8. Ghoffar Setiawan, Dona Wirawan, Gemma Ramdan, dan Bayu Himawan selaku teman perjuangan satu bimbingan. 9. Yayan Rukmayana selaku teman satu bimbingan yang telah meminjamkan laptopnya untuk seminar dan sidang. 10. Muhammad Nono atas saran dan bantuannya dalam pengerjaan tugas akhir dan Dhanny Nugraha atas bantuannya dalam pencarian program konversi MS.Excel. 11. Teteh dan adikku di ilkom yang telah memberikan semangat, masukan, dan dukungan serta mendengarkan segala keluh kesah selama ini. 12. Teman - teman ilkom 40 atas kebersamaannya dari awal kuliah sampai sekarang. 13. Sahabat - sahabatku Akbar, Ara, Asep, Borock, Bent, Bowo, Djoen, Ichan, Nano, Noor, Semar, dan Supri yang telah memberikan banyak dukungan selama ini. Kepada semua pihak lainnya yang telah memberikan kontribusi yang besar selama pengerjaan penelitian ini yang tidak dapat disebutkan satu-persatu, Penulis sampaikan terima kasih banyak. Semoga penelitian ini dapat memberi manfaat.
Bogor, Mei 2007
Ardiansyah
iv
DAFTAR ISI Halaman DAFTAR GAMBAR ···················································································································v DAFTAR LAMPIRAN················································································································v PENDAHULUAN ·······················································································································1 Latar Belakang ·······················································································································1 Tujuan····································································································································1 Ruang Lingkup·······················································································································1 Manfaat··································································································································1 TINJAUAN PUSTAKA ··············································································································1 Perkiraan Biaya Perangkat Lunak ···························································································1 Analogy Based Estimation ······································································································2 Cost Driver ····························································································································2 Model Pengembangan ············································································································3 Evaluasi Model Perkiraan Biaya Perangkat Lunak ··································································3 METODE PENELITIAN·············································································································3 Kerangka Pemikiran···············································································································3 Pengumpulan Data ·················································································································3 Pengujian dan Analisis ··········································································································4 Modifikasi Metode ·················································································································4 Perbandingan Metode·············································································································4 Lingkungan Pengembangan ····································································································4 HASIL DAN PEMBAHASAN ····································································································4 Pengujian Kelompok Data COCOMO 81················································································4 Pengujian Kelompok Data Mission planning NASA ·······························································6 Penerapan Peringkat ···············································································································8 KESIMPULAN DAN SARAN ··································································································10 Kesimpulan ··························································································································10 Saran····································································································································10 DAFTAR PUSTAKA ················································································································11 LAMPIRAN······························································································································12
v
DAFTAR GAMBAR Halaman Skema Penelitian ·························································································································3 Grafik MRE COCOMO 81 ··········································································································5 Grafik MRE Mission Planning NASA··························································································7 Grafik MRE LOC dan Penerapan Peringkat pada COCOMO 81 ···················································9 Grafik MRE LOC dan Penerapan Peringkat pada Mission Planning NASA ································10
DAFTAR LAMPIRAN Halaman Flowchart Metode Analogy Based Estimation ············································································13 Kelompok Data COCOMO 81 ···································································································14 Kelompok Data Mission Planning NASA ··················································································16 Hasil Pengujian dan Nilai MRE COCOMO 81 ···········································································17 Agregat Galat COCOMO 81 ······································································································18 Hasil Pengujian dan Nilai MRE Mission Planning NASA ··························································18 Agregat Galat Mission Planning NASA ·····················································································19 Flowchart Metode Analogy Based Estimation dengan Penerapan Peringkat ································19 Hasil Pengujian dan Nilai MRE Penerapan Peringkat pada COCOMO 81···································20 Agregat Galat Penerapan Peringkat pada COCOMO 81······························································21 Hasil Pengujian dan Nilai MRE Penerapan Peringkat pada Mission Planning NASA ··················21 Agregat Galat Penerapan Peringkat pada Mission Planning NASA ·············································21
1
PENDAHULUAN Latar Belakang Perkiraan biaya perangkat lunak sangat penting dalam pengembangan perangkat lunak. Perkiraan yang terlalu kecil dari biaya aktualnya akan mengakibatkan perangkat lunak yang dihasilkan berkualitas rendah. Di sisi lain, perkiraan yang terlalu besar dari biaya aktualnya akan mengakibatkan pemborosan sumber daya yang digunakan. Untuk membuat perkiraan biaya perangkat lunak yang akurat, beberapa metode pemodelan perkiraan telah dilakukan dan dikembangkan selama beberapa tahun terakhir ini. Analogy-based estimation adalah salah satu metode perkiraan biaya perangkat lunak. Metode ini memanfaatkan data dari proyek yang telah ada secara langsung dan menghitung jarak antara setiap data. Metode ini memiliki beberapa kelebihan, yaitu sederhana, dan dapat cepat diimplementasikan (Al-Sakran 2006). Menurut Schofield dan Shepperd (1996), metode ini tidak memerlukan hubungan statistikal untuk dijalankan, dan mudah untuk dimengerti. Pada penelitian yang dilakukan oleh Schofield dan Shepperd (1996) , ditemukan bahwa penggunaan nilai rataan biaya pada dua buah proyek sebagai estimasi menghasilkan kinerja yang lebih baik. Pada penelitian itu, kinerja yang dihasilkan oleh metode analogy based estimation mengungguli metode metode pemodelan algoritmik. Walaupun begitu, kinerja metode tersebut belum terlalu memuaskan secara menyeluruh. Pada tahun 2001, Idri et al. menggabungkan konsep fuzzy ke dalam metode analogy based estimation untuk menangani data kategorikal. Penelitian yang dilakukan oleh Idri et al. tersebut berhasil meningkatkan kinerja dari metode analogy based estimation. Pada penelitian kali ini juga akan digunakan metode analogy based estimation untuk perkiraan biaya perangkat lunak. Diharapkan dapat ditemukan ide baru dalam perhitungan jarak sehingga dua proyek dengan jarak atribut terdekat mempunyai biaya yang dekat pula dengan biaya proyek uji. Tujuan Tujuan dari penelitian ini adalah menganalisis kinerja metode analogy-based estimation pada perkiraan biaya perangkat
lunak. Penelitian ini juga diharapkan dapat mengusulkan modifikasi metode tersebut. Ruang Lingkup Ruang lingkup penelitian ini adalah sebagai berikut : 1. Data yang digunakan untuk pengujian metode analogy-based estimation adalah kelompok data COCOMO 81 dan mission planning NASA 2. Biaya perkiraan ditentukan oleh nilai rataan biaya dari dua buah proyek dengan jarak terdekat. Manfaat Penelitian ini diharapkan dapat memberikan manfaat berupa informasi kinerja metode analogy based estimation untuk perkiraan biaya perangkat lunak. Hasil dan saran penelitian dapat dijadikan sebagai pembanding dan pembuka jalan untuk penelitian yang lebih lanjut.
TINJAUAN PUSTAKA Perkiraan Biaya Perangkat Lunak Perkiraan biaya perangkat lunak adalah proses memprediksi biaya yang diperlukan dalam pengembangan sistem perangkat lunak (Leung 1990). Menurut Saliu (2003), perkiraan biaya perangkat lunak mengacu pada prediksi jumlah biaya, waktu, dan staffing yang diperlukan untuk membangun sistem perangkat lunak. Banyak pemodelan perkiraan biaya perangkat lunak yang berdasar pada ukuran perangkat lunak itu sendiri. Menurut Leung (1990), beberapa standar penghitungan ukuran suatu perangkat lunak adalah sebagai berikut : - Lines of code , yaitu pengukurannya berdasarkan banyaknya baris yang ada pada source code-nya. Komentar dan baris kosong tidak diikutkan dalam pengukuran. - Function point, yaitu pengukurannya berdasarkan fungsionalitas dari program. - Object point, yaitu pengukurannya berdasarkan jumlah objek. - Feature point, yaitu perluasan dari function point yang mengikutkan algoritma sebagai kelas baru. - Software science, yaitu pengukuran yang dilakukan berdasarkan rumus metrik yang diusulkan oleh Halstead. Perkiraan biaya perangkat lunak dapat diklasifikasikan menjadi metode pemodelan algoritmik dan pemodelan non-algoritmik. Pemodelan algoritmik diturunkan dari analisis
2
statistikal dari data proyek terdahulu (Saliu 2003). Contoh pemodelan algoritmik yaitu model linear, model multiplikatif, dan model power-function. Di lain pihak, contoh metode pemodelan non-algoritmik yang ada yaitu expert judgement, Parkinson’s law, dan price to win
Cost Driver (CD) Cost driver (CD) adalah faktor-faktor tambahan yang mempengaruhi biaya dalam pengembangan perangkat lunak ( Saliu 2003 ). Daftar CD dapat dilihat pada Tabel 1. Tabel 1 Daftar CD ( Saliu 2003)
Analogy Based Estimation
Kategori
Proses dalam analogy based estimation adalah karakterisasi dari setiap proyek yang akan diestimasi, mencari proyek yang serupa yang telah diketahui biayanya, dan menggunakan biaya tersebut sebagai estimasi (Rintala et al. 2001). Pada analogy based estimation, proyek baru yang akan diuji dibandingkan atributnya dengan atribut proyek-proyek yang telah dilakukan sebelumnya. Proyek-proyek yang paling serupa akan dipilih untuk proses estimasi (Briand et al. 1999). Prinsip dasar dari metode ini adalah bahwa proyek yang serupa mempunyai biaya yang serupa (Idri et al. 2001).
Produk
Proyek analogi dapat dicari dengan menggunakan persamaan jarak Euclidean ndimensi di mana setiap dimensi mewakili satu atribut. Nilai setiap dimensi dinormalisasi sehingga memberikan kontribusi yang sama dalam proses pencarian proyek analogi (Schofield dan Shepperd 1996). Persamaannya adalah sebagai berikut :
Keandalan perangkat lunak
Rely
Ukuran data
Data
basis
Kompleksitas produk
Cplx
Batasan waktu eksekusi
Time
Batasan tempat penyimpanan utama
Stor
Mesin virtual
Virt
Waktu turnaround komputer
Turn
Kemampuan analis
Acap
Pengalaman dalam aplikasi
Aexp
Kemampuan programmer
Pcap
Pengalaman dalam mesin virtual
Vexp
Pengalaman dalam bahasa pemrograman
Lexp
Penggunaan program modern
Modp
Penggunaan peralatan perangkat lunak
Tool
Personil
2
...(1) di mana E adalah jarak Euclidean, serta a,b,dan z adalah atribut proyek 1 dan 2 yang sudah dinormalisasi. Selisih/jarak antar atribut pada persamaan 1 tidak dapat diterapkan pada data bertipe kategorikal seperti very low-low- high atau small-large. Untuk jarak antar atribut yang bertipe kategorikal, digunakan persamaan sebagai berikut (Briand et al. 1999): 0, jika k kategorika l dan Pik = Pjk ..(2) δ (Pik − Pjk ) = 1, jika k kategorika l dan Pik ≠ Pjk
di mana k adalah atribut proyek, jarak(Pi,Pj) adalah jarak dari proyek i dengan proyek j, n adalah jumlah atribut proyek, dan δ(Pik,Pjk) adalah jarak atribut proyek i dengan proyek j. Proyek yang memiliki jarak terkecil akan dipilih sebagai proyek analogi yang dijadikan dasar untuk perkiraan biaya proyek baru. Untuk lebih jelasnya dapat dilihat flowchart pada Lampiran 1.
Simbol
Platform
E= (a1 −a2 ) +(b1 −b2 ) +...+(z1 − z2 )2 2
CD
Proyek
3
Kategori
CD
Simbol
Jadwal pengembangan yang diperlukan
Sced
METODE PENELITIAN Kerangka Pemikiran
Model Pengembangan Ada tiga macam model pengembangan dalam perkiraan biaya perangkat lunak, yaitu (NASA 2005) : 1. Organik Dalam model organik, perangkat lunak dikembangkan oleh tim kecil yang terdiri dari orang-orang yang berpengalaman dalam sistem terkait. 2. Semidetached Model pengembangan semidetached merepresentasikan tingkat pertengahan di antara organik dan embedded. Model ini bisa berupa karakteristik tingkat pertengahan atau campuran dari karakteristik organik dan embedded. 3. Embedded Faktor utama yang membedakan model embedded dengan model lainnya adalah perlunya dioperasikan dengan batasan yang ketat. Produk harus dioperasikan dalam hubungan perangkat keras, perangkat lunak, regulasi, dan prosedur operasional yang kuat. Evaluasi Model Perkiraan Biaya Perangkat Lunak Standar untuk evaluasi model perkiraan biaya perangkat lunak adalah Magnitude of Relative Error (MRE) (Briand et al. 1998). MRE i =
biaya aktual i − biaya estimasi
i
...(3) MRE dihitung untuk setiap pengujian i yang biayanya telah diperkirakan. Agregat nilai MRE pada banyak pengujian, misal N, dapat diperoleh melalui Mean MRE (MMRE) (Briand et al. 1998). MMRE =
biaya aktual i
1 N
∑ i
biaya aktual i − biaya estimasi i biaya aktual i
nilai MRE, MMRE, MdMRE, min MRE, max MRE, dan SDMRE-nya makin kecil.
...(4)
Nilai MMRE sensitif pada pengujian individual yang memiliki MRE yang sangat besar. Untuk itu, agregat yang tidak sensitif pada nilai pencilan besar perlu digunakan, yaitu median dari MRE pada N pengujian (MdMRE) (Briand et al. 1998). Pengukuran lainnya adalah MRE minimal (min MRE), MRE maksimal (max MRE), dan standar deviasi MRE (SDMRE) (Idri et al. 2001). Pengujian dapat dikatakan makin baik jika
Penelitian ini terdiri atas beberapa langkah seperti yang ditunjukkan oleh skema penelitian pada Gambar 1.
Gambar 1. Skema Penelitian Pengumpulan data Data yang dipakai pada penelitian ini adalah kelompok data COCOMO 81 dan mission planning NASA yang didapat dari situs promise repository. Kelompok data COCOMO 81 berasal dari jurnal Boehm pada tahun 1981 yang berjudul software engineering economics. Kelompok data ini terdiri dari 17 atribut , yaitu 15 jenis CD yang bertipe numerik, ukuran dari proyek dalam satuan 1000 lines of code (KLOC), dan biaya aktual proyek dalam satuan person months (PM). Daftar atribut untuk kelompok data COCOMO 81 dapat dilihat pada Lampiran 2. Kelompok data mission planning NASA berasal dari proyek-proyek NASA dari tahun 1977 sampai 1985. Kelompok data ini juga terdiri dari 17 atribut utama, yaitu 15 jenis CD yang bertipe kategorikal, ukuran dari proyek dalam satuan 1000 lines of code (KLOC), dan biaya aktual proyek dalam satuan person months (PM). Kelompok data ini mempunyai tujuh atribut tambahan sebagai identitas proyek termasuk model pengembangan dan jenis proyek yang sama. Dengan adanya
4
atribut-atribut tersebut, maka kelompok data ini terklasifikasi lebih baik daripada kelompok data COCOMO 81. Daftar atribut utama untuk kelompok data mission planning NASA dapat dilihat pada Lampiran 3. Pengujian dan Analisis Pengujian metode analogy based estimation dilakukan berdasarkan kelompok data. Pada setiap kelompok data, secara bergantian akan dipilih satu proyek menjadi proyek uji dan sisanya menjadi calon proyek analogi. Atribut yang dipakai dalam perhitungan jarak adalah ukuran perangkat lunak (LOC) dan 15 jenis CD. Dua proyek yang mempunyai jarak terdekat dengan proyek uji akan dijadikan sebagai proyek analogi. Nilai perkiraan biaya pada proyek uji akan diambil dari rataan biaya aktual pada dua proyek analogi tersebut. Proses tersebut dilakukan terus - menerus sampai seluruh data dalam kelompok telah diperkirakan biayanya. Hasil dari pengujian akan menghasilkan perkiraan besar biaya yang diperlukan dalam pengembangan perangkat lunak. Untuk dapat dievaluasi, hasil pengujian tersebut dibandingkan dengan besar biaya aktual menggunakan MRE. Setelah itu dihitung ataupun dicari nilai MMRE, min MRE, max MRE, MdMRE, dan SDMRE. Modifikasi Metode Hasil analisis yang diperoleh akan dijadikan acuan untuk modifikasi metode analogy based estimation yang baru. Metode baru tersebut kemudian diuji dan dianalisis dengan data dan mekanisme yang sama. Perbandingan Metode Perbandingan metode analogy based estimation dengan modifikasinya dilakukan berdasarkan nilai MRE, MMRE, min MRE, max MRE, MdMRE, dan SDMRE. Makin kecil nilai - nilai tersebut, maka makin baik kinerja metodenya. Lingkungan pengembangan Perangkat lunak yang digunakan dalam penelitian ini adalah sebagai berikut : • Microsoft Windows XP 2003 • Microsoft Internet Explorer 6.0 • Apache 1.3.23 • MySql 3.23.47
• PHP (PHP Hypertext Preprocessor) 4.1.1 . Di sisi lain, perangkat keras yang digunakan adalah sebagai berikut : • PC Intel Pentium IV 2.4 GHz • DDRAM 512 GB • harddisk dengan kapasitas 200 GB • VGA GeForce 4 MX 64 MB • monitor VGA dengan resolusi 1024x768 pixel • eyboard k • mouse.
HASIL DAN PEMBAHASAN Pa da p e n e l i t i a n i n i a k a n di l a k uka n p e ng uj i a nda na na l i s i ss e t i a pke l o mp okda t a s e c a r a be r g a n t i a n. Pe ng uj i a n p e r t a ma di l a k uk a n p a da d a t a COCOMO 8 1. Se l a nj ut ny ap e ng uj i a n di l a k uk a n pa d a da t a mission planning NASA. Pr o s e s p e na r i k a n a na l o g i di l a k uka n de ng a nt i g at a ha p ,y a i t u me mba nd i n g ka n j a r a k LOC pa d a s e t i a p p r oy e k , me mba nd i n g ka nj a r a kCDp a d as e t i a pp r oy e k , da nme mba n di ng ka nj a r a kLOCda nCD p a da s e t i a pp r o y e k . Se s ua ide ng a n ha s i lp e r c ob a a n Sc h of i e l d da nShe pp e r d( 1 996) ,r a t a a nb i a y aa k t ua lda r i duap r oy e ky a ng me mp uny a ij a r a kt e r de k a t de ng a np r oy e ku j ia ka n di j a di k a ns e ba g a i p e r k i r a a nb i a y aunt ukp r o y e kuj i . Pengujian dan Analisis Kelompok Data COCOMO 81 Ke l ompo kda t aCOCOMO 81t e r di r ia t a s 63 p r o y e k . Se l ur uh p r o y e k di k e n a ka n p e ng uj i a n ,s e h i n gg ap a dak e l o mpokd a t ai ni t e r d a pa t63pe ng uj i a n .Ka r e n as e t i a pa t r i b ut p a da COCOMO 81 b uk a n k a t e go r i ka l , p e ng uj i a n ny adi l a k uka nde ng a nme n gg un a ka n p e r s a ma a nEuclidean distance. Ga l a tp a dat i a pp e ng u j i a ndi hi t u ngd e nga n me ng g una ka n MRE.Se t e l a h di hi t ung ni l a i MRE p a da s e l ur uh p e ng uj i a n, di hi t ung MMRE,MdMRE,max MRE,min MRE,da n SDMRE.Ha s i lp e ng uj i a n da n ni l a iMRE da pa tdi l i ha tp a daLa mp i r a n 4.Ni l a iga l a t l a i n ny ada pa tdi l i h a tp a d aLa mp i r a n5 .Gr a f i k MRE unt uk s e mua t a ha pp e ng u j i a n da p a t di l i ha tp a daGa mba r2.
5
4000 3500
MRE (%)
3000 2500 2000 1500 1000 500 0 1
5
9 13 17 21 25 29 33 37 41 45 49 53 57 61 Pengujian
LOC
CD
LOC & CD
Ga mb a r2Gr a f i kMRECOCOMO8 1
Pa d aGa mba r2t e r l i ha tb a hwani l a iMRE d a r ike s e l ur uh a np e ng uj i a nd e ng a n LOC c e n de r ungl e b i hk e c i ldi b a ndi ngk e duat a ha p p e ng uj i a nl a i nny a .Ha lt e r s e b u tdi p e r k u a t o l e hni l a ir a t a r a t ad a n me di a nMRE da r i p e ng uj i a nde n ga nme ng g una k a nLOC y a ng ma s i ng – ma s i n gs e b e s a r 198 , 1 2% da n 7 9, 2 8%.Ni l a ir a t a–r a t ada nme di a nMRE t e r s e b utl e b i hk e c i lj i k adi b a n di ng ka nr a t a– r a t a da n me di a n MRE p a da pe ng u j i a n me ng g una ka n CD, y a i t u 5 50, 71% da n 1 05, 06%,da nr a t a–r a t as e r t ame di a nMRE p a dape ng uj i a nme ngg u na k a nLOC d a nCD s e k a l i g u s y a ng s e be s a r 49 2, 5 8% da n 9 4, 2 8%.Pe r b e d a a na n t a r ani l a ir a t a–r a t a MREde ng a nn i l a ime di a nMREdi s e ba b ka n o l e h t e r da p a t ny ab e be r a p ani l a ip e nc i l a n t i ng g ip a dap e ng u j i a n me ng g una k a n LOC y a ng c uk up me mpe ng a r uhibe s a r ny ani l a i r a t a–r a t aMRE.Ha ly a ngs a mat e r j a dip a da k e dua t a ha p pe ng uj i a nl a i nny a . Ba hka n d a pa td i l i ha tp a da Ga mb a r2,p e nc i l a np e nc i l a nt i ng g ip a dake duat a ha ppe ng u j i a n l a i nj uml a hny al e b i hb a ny a k da nn i l a i ny a l e b i hbe s a rdi ba ndi ng k a nde ng a npe nc i l a n– p e nc i l a n t i ng g i pa d a t a ha p pe ng u j i a n me ng g una ka nLOC. Ni l a i MRE ma k s i ma l b a i k p a da p e ng uj i a n me ng g una ka n CD ma up u np a da p e ng uj i a n me ngg un a k a n LOC da n CD s e k a l i g u sy a ng b e s a r ny a 3. 4 83, 3 3% j ug a j a uh l e b i h b e s a r da r i pa d a ni l a i MRE ma k s i ma l pa da pe ng uj i a n de ng a n
me ng g una ka n LOC y a ng b e s a r ny a 1 . 2 86 , 17%.Ha lt e r s e b utme ny a t a k a nb a h wa p e ng uj i a n me ng g una k a nCD da npe ng u j i a n me ng g una ka n LOC d a n CD s e k a l i g u s me mp uny a ir e s i koy a ng j a uhl e b i hb e s a r d i b a ndi ng k a np e ng u j i a nme ngg una k a nLOC. Da p a tdi k a t a k a nb a hwa ni l a iMRE p a da p e ng uj i a nd e ng a nme ng g una ka nLOC l e b i h s t a b i ldi b a ndi ng k a nde ng a nni l a iMREp a da k e duat a ha pp e ng uj i a nl a i n ny a .De n ga nni l a i –n i l a iMREy a ngc e nde r ungl e b i hk e c i lda n j ug al e b i hs t a b i l ,ma kad a p a tdi s i mp ul ka n b a hwa p a dake l ompok da t ai nipe ng u j i a n d e ng a n me ng g una ka n LOC me ng ha s i l ka n k i n e r j ay a ngpa l i n gb a i kdia nt a r as e l ur uh t a ha pp e ng u j i a ny a n gt e l a hdi l a k uka n . J i k adi a ma t ipe r ba nd i n g a na n t a r ag r a f i k MRE p a da p e ng u j i a ny a ng me ng g una ka n CD de nga ng r a f i k MRE pa da pe ng u j i a n y a ngme ngg un a ka nLOC da nCD s e k a l i g u s p a daGa mb a r2,t e r l i h a tj e l a sb a h wake dua g r a f i k t e r s e b ut t i d a k j a uh b e r b e d a . Ta mpa k ny a pa d a pe ng u j i a n d e nga n me ng g una ka n uk ur a n pe r a ngk a tda n CD s e k a l i g u s ,CD j a u hl e b i h me mp e nga r u hi h a s i lp e ng u j i a n da r i p a daLOC i t us e nd i r i . Ha lt e r s e b utt e r j a dik a r e naCDt e r d i r ida r i15 p e ub a h y a ng b e r b e da ,s e da ng k a n LOC h a ny a s a t u p e uba h. De n g a n a da ny a n o r ma l i s a s i da np e mbobo t a ny a ng s a ma p a dat i a pp e ub a h ,ma ka pe r ba ndi ng a nLOC d e ng a nCD da l a m pe r h i t ung a nj a r a ka da l a h s a t ub e r b a n di ng l i mab e l a s .Pe r ba n di ng a n
6
y a ng s a ng a t j a uh t e r s e b ut s u da h me n unj uk k a nde n ga nj e l a sbe t a p ake c i l ny a p e ng a r uhda r iLOCd a l a mpe r h i t ung a nj a r a k . Da pa tdi l i ha ts e c a r ar i n c ip a daLa mp i r a n 4 ,h a ny aa da d e l a p a n p e ng uj i a n y a ng me mb e da k a n a nt a r ag r a f i k MRE p a da p e ng uj i a ny a ng h a ny a me ng g una k a n CD d e ng a ng r a f i k MRE p a d pe n g uj i a ny a ng me ng g una ka n LOC da n CD s e k a l i g u s . Ke de l a p a n p e ng uj i a n t e r s e b u t a da l a h p e ng uj i a nk e 2,p e ng uj i a nk e 3 ,p e ng u j i a n k e 1 9,p e ng uj i a n ke 21,pe ng u j i a n ke 25 , p e ng uj i a n k e 36, p e ng uj i a n ke 3 7, da n p e ng uj i a nk e 51 .Da r ide l a p a n pe ng u j i a n t e r s e b ut ,p e ng u j i a nd e nga n me ng g una ka n LOCda nCDs e k a l i g u sc e nde r ungl e b i hb a i k d a r i p a d a p e ng uj i a n de ng a n h a ny a me ng g una ka n CD. Ha l t e r s e b u t me n unj uk k a nba hwauk ur a np e r a ng k a ty a ng h a ny ame wa k i l is e p e r l i mab e l a sb a g i a nd a r i r umu s p e r h i t un g a n j a r a k ma s i h da p a t me mb e r i k a n p e nga r uhny a p a da de l a pa n p e ng uj i a nt e r s e b ut . Da pa tdi k a t a ka nb a hwap a dak e l o mpok p e r t a ma i ni , p e na mb a ha n LOC p a da p e ng uj i a nd e nga nha ny ame ngg una k a nCD t i da kb a ny a kme mpe ng a r uhiha s i lp e ng u j i a n d a nha ny aa da s e di k i tpe n i n gk a t a nk i ne r j a. Na mun p e na mb a ha n CD pa d ap e ng u j i a n d e ng a n ha ny a me ng g una k a n LOC j u s t r u a k a n me mb ua tk i n e r j a pe n g uj i a n me n j a d i t ur un dr a s t i s de n g a n ni l a i n i l a ip e nc i l a n y a ngs e ma k i n b e s a r .Te r l i ha tba h wap a da p e ng uj i a n de ng a n me ng g una k a n LOC da n CD s e ka l i g us ,ni l a ik e l i mab e l a sCD l e b i h me n domi na s iha s i lp e ng u j i a nda r i pa das a t u n i l a iLOC,p a da ha lpe ng uj i a nd e ng a nha ny a me ng g una ka nCD s e n di r is a ng a t l a hb ur u k . Ha l i t ul a h y a ng me n j a d i p e ny e ba b me n ur unny a k i n e r j a p e ng uj i a n t e r s e b u t
d i b a ndi ng k a nde ng a np e ng uj i a ny a ngha ny a me ng g una ka nLOC. Pengujian dan Analisis Kelompok Data Mission planning NASA Ke l ompokd a t amission planning NASA t e r di r ia t a s18p r o y e k .Se muap r oy e kp a da k e l o mpokd a t ai nime mp u ny a ij e ni sp r oy e k y a ngs a ma ,y a i t umission planning.Se mua p r oy e k i ni j ug a me mi l i k i mo de p e ng e mb a ng a n y a ng s a ma , y a i t u semidetached. De n ga nj e ni sp r oy e k da n mo depe ng e mba ng a ny a n gs a ma ,k e l ompok d a t ai n it e l a hme me nuhip r i ns i pda s a rda r i me t o de analogy-based estimation y a i t u ” p r oy e ky a ngs e r upame mp uny a ib i a y ay a ng s e r u pa ” .Se l a i ni t u,k e s a ma a np a da j e ni s p r oy e kd a nmo de lpe n ge mba n ga nme mb u a t k e l o mpokda t ai nij ug at e r k l a s i f i k a s il e b i h b a i kda r i p a dake l omp okda t aCOCOMO 81 y a ng t i d a k me mi l i k ik e t e r a ng a n j e l a s me ng e na ij e ni sp r oy e k ma up u n mo d e l p e ng e mb a ng a nny a . At r i b u tCD p a dak e l o mpoki n ib e r t i pe k a t e go r i ka l ,s e da ng k a n LOCny ab e r t i pe n ume r i k . Unt uk i t u, p e ng u j i a n i ni me ng g una ka ndu ap e r s a ma a nbe r b e da ,y a i t u p e r s a ma a n ka t e g o r i k a lu nt uk CD da n p e r s a ma a nEuclidean distance un t ukLOC. Ga l a tp a dat i a pha s i lpe n g uj i a nke mudi a n d i h i t un g de n g a n me n gg un a ka n MRE. Se t e l a hs e mua MRE p e ng uj i a n di hi t un g , s e l a n j ut ny ad i h i t un ga t a u p undi c a r ini l a imin MRE,max MRE,MMRE,MdMRE,da n SDMRE .Ha s i lda nn i l a iMRE p e ng u j i a n d a pa tdi l i h a tp a daLa mp i r a n6 .Ni l a ig a l a t l a i nny a da p a t di l i h a tp a da La mp i r a n 7. Unt uk g r a f i k p e r b a ndi nga n MRE p a da k e t i ga t a ha pp e ng uj i a n,d i s e d i a k a ng r a f i k MRE y a ng d a p a tdi l i ha tp a daGa mb a r3.
7
1400
MRE (%)
1200 1000 800 600 400 200 0 1
2
3
4
5
6
7
8
9 10 11 12 13 14 15 16 17 18
Pengujian LOC
CD
LOC & CD
Ga mb a r3Gr a f i kMREMission Planning NASA Pa d a Ga mb a r3 t e r l i ha tb a hwa g r a f i k MREp a dap e ng uj i a nde ng a nme ng g una ka n LOC l e b i hs t a b i ld i b a ndi ng k a n de nga n g r a f i kMREt a ha pp e ng uj i a nl a i nny a .Ha ny a t e r da p a t2ni l a ip e nc i l a nb e s a rp a dat a ha p p e ng uj i a n t e r s e b ut di ma na ni l a i ma k s i ma l ny at e r j a dip a dape n g uj i a nke 14 . Ni l a i MRE p a da pe n g uj i a n ke 14 t i da k t e r l a l u b e s a r di ba ndi ng k a n pe ng u j i a n l a i nny a ,s e h i n gg at i da kt e r l a l u me r us a k k e s t a b i l a ng r a f i kMREpa d at a ha ppe ng u j i a n t e r s e b ut .Ha ly a ngb e r b e dad i t un j u k k a no l e h g r a f i k MRE pa da k e d ua t a h a pp e ng u j i a n l a i nny a . Pa da p e ng uj i a n de nga n me ng g una ka n CD, t e r da p a tl i ma n i l a i p e nc i l a nbe s a rdima nat i gadia nt a r a ny a , y a ng t e r da p a t p a da p e ng uj i a n k e 5 , p e ng uj i a nke 1 3,d a np e ng uj i a nke 16,j a uh me l e b i hi ni l a i MRE p e ng uj i a nl a i nny a . Ke t i g a pe nc i l a n b e s a rt e r s e b u ts a ng a t me r us a kk e s t a b i l a ng r a f i kMRE p a dat a ha p p e ng uj i a nt e r s e b u t .Pa dape n g uj i a nde n ga n me ng g una ka n s e l ur uh a t r i b ut ,t e r da p a t e mp a tn i l a ip e n c i l a nbe s a rdima naduad i a n t a r a ny a ,y a ngt e r da p a tpa d ape ng u j i a nk e 1 3da np e n g uj i a nke 16 ,j a uhme l e b i hini l a i MRE p e ng uj i a nl a i nny a .Ke dua pe nc i l a n b e s a rt e r s e b uts a ng a tme r us a kk e s t a b i l a n g r a f i kMREp a dat a ha pp e ng uj i a nt e r s e b ut . Ya ngpe r l ud i p e r ha t i k a npa dape ng u j i a n d e ng a n me ngg un a k a n LOC d a n CD s e k a l i g u sa d a l a ht e r da pa t ny ape n g uj i a ny a ng me mi l i k ini l a iMRE s e b e s a r0, 00%.Ni l a i MRE y a ngt e r j a dip a dap e ng uj i a nk e 5i t u s a n ga ti s t i me wa ,k a r e nai t ube r a r t it i da ka da g a l a ts a mas e ka l ip a dape ng uj i a nt e r s e b ut . Ha ll a i ny a n gpe r l udi p e r ha t i k a na da l a hni l a i me d i a nMREny a .Ni l a ir a t a–r a t aMREny as e b e s a r159 , 09 % me ma ngl e b i hb e s a r
d a r i p a da ni l a ir a t a– r a t a MRE s e b e s a r 6 7, 78% p a dap e ng uj i a nme ng g una k a nLOC, a k a nt e t a p ini l a ime di a nMREny as e b e s a r 4 6, 79% j us t r us e di k i tl e b i hk e c i lda r i p a da n i l a i me di a n MRE pa da pe ng u j i a n me ng g una ka n LOC y a ng b e s a r ny aa da l a h 6 7, 06%.I t ub e r a r t ip e ng uj i a nme ng g una ka n LOC d a nCD s e k a l i g u sme ng ha s i l k a nl e b i h b a ny a k ni l a iMRE y a ng r e nda h.Ha li t u d a pa tj ug ad i a ma t id a r ig r a f i k MREny a p a daGa mba r3 .Wa l a up unpe ng u j i a ny a ng me ng g una ka n LOC d a n CD s e k a l i g u s me mi l i k il e b i hb a ny a kp e ng u j i a ny a ngni l a i MREny ak e c i l di b a nd i ng k a n pe ng u j i a n y a ng me ng g una k a n LOC,na mun a da ny a d uap e nc i l a ny a ng s a ng a tb e s a rme mb u a t k i n e r j at a ha pp e ng u j i a nme ngg u na k a nLOC d a n CD s e k a l i g u si nima s i hk ur a ng b a i k d i b a ndi ng k a nt a h a ppe ng uj i a nme ng g una ka n LOC. J i k adi a ma t ipe r ba nd i n g a na n t a r ag r a f i k MRE p a da p e ng u j i a ny a ng me ng g una ka n LOCd a nCD s e k a l i g usde nga ng r a f i kMRE p a dake duat a ha pp e ng uj i a nl a i nny ap a da Ga mb a r3 ,t e r l i h a tj e l a sb a hwag r a f i kMRE p a dat a ha ppe n g uj i a ni nime mi l i k ib a ny a k k e s a ma a n de ng a n g r a f i k MRE p a da p e ng uj i a ny a ng me n gg un a ka n CD.Le b i h j e l a s ny a da p a td i l i ha tl e b i hr i nc ip a da La mp i r a n6,dima nat e r da p a t10pe ng u j i a n p a dak e duat a h a pp e ng uj i a nt e r s e b u ty a ng me mi l i k ini l a iMRE s a may a i t up e ng u j i a n k e 1, p e ng uj i a n k e 2, pe ng uj i a n k e 3, p e ng uj i a nk e 7,p e ng uj i a nk e 9 ,p e ng u j i a n k e 10,p e ng uj i a n ke 11,pe ng uj i a n ke 1 2, p e ng uj i a nke 14 ,da np e ng uj i a nk e 18 .Sa ma s e p e r t i pa da ke l o mp ok da t a pe r t a ma , t a mpa k ny a p a da p e ng uj i a n d e ng a n me ng g una ka n uk ur a n pe r a ngk a tda n CD
8
s e k a l i g u s ,CD j a uh l e b i h me mp e nga r uh i h a s i lp e ng uj i a n da r i p a daLOC i t us e nd i r i . Ha lt e r s e b u tt e r j a dik a r e n aCDt e r di r id a r i15 p e ub a h y a ng b e r b e da ,s e da ng k a n LOC h a ny a s a t u p e uba h . De n g a n a da ny a n o r ma l i s a s i da np e mbobo t a ny a ng s a ma p a dat i a pp e ub a h ,ma ka pe r ba n di ng a nLOC d e ng a nCD da l a m pe r hi t ung a nj a r a ka da l a h s a t ub e r b a n di ng l i ma b e l a s .Pe r ba n di ng a n y a ng s a ng a t j a uh t e r s e b ut s u da h me n unj uk k a nde n ga nj e l a sbe t a p ake c i l ny a p e ng a r uhda r iLOCd a l a mpe r hi t ung a nj a r a k . Penerapan Peringkat Ha s i ly a ngd i i ng i nk a nda l a m pe ng u j i a n i nia da l a hpe ng ga b u nga nn i l a iCDda nLOC d a pa t me ni ngk a t k a n k i ne r j a s e c a r a k e s e l u r u ha n.Unt uki t u ,d i p e r l u k a np r op o r s i y a ng t e pa td a l a m p e ng g a b ung a nk e dua ma c a ma t r i b utt e r s e b ut .Pe ng g un a a nme t o de l a ma y a ng t a np a bob o ta t a ub o bo t ny a d i s e t a r a ka nb u ka n me r upa k a ns o l us iy a ng t e p a tk a r e nani l a id a r i15 j e n i sCD l e b i h c e n de r ung me ndomi na s i . Be b e r a pa p e ne l i t i a nt e r b a r ut e l a hme ngg una k a nbo bo t b e r b e dapa dama s i ngma s i nga t r i b uts e pe r t i y a ngdi us u l k a no l e hSt e n s r u dda nMy r t v e i t ( Ri nt a l ae ta l . 20 01) . Me t o de t e r s e b u t me me r l uk a na na l i s i sl e b i hl a n j u td a l a m p e ne nt ua nb o bo tma s i ng ma s i nga t r i b ut . Pa d ap e ne l i t i a ni nidi g un a k a n me t o de a l t e r na t i f b a r u unt uk me na ngg ul a ng i k e l e ma ha n me t o de l a ma . Me t o de i n i me r up a k a ns e di k i tmo di f i k a s ida r ime t o de analogy based estimation. Me t o de i n i d i d a s a r k a n da r ia da ny a ur ut a nk e de ka t a n j a r a k p a da s e t i a pp r o y e k . Ba i kp a da p e ng uj i a nme n gg un a ka nLOC ma up unCD p a s t it e r d a p a tu r u t a nk e de ka t a nj a r a kp r oy e k . Ur ut a nk e de k a t a np r oy e ki nime ng a b a i ka n b e s a rke c i l ny as e l i s i hj a r a ka nt a rpe r i ngk a t d a na n t a rp e ng uj i a n.De ng a n me ne r a p ka n p e r i ng ka ts e b a g a i uk ur a n p e ng hi t u ng a n j a r a k ,d i ha r a p ka nt i da ka dadomi na s ida r i a t r i b ut t e r t e nt u s e hi ng g a p e ng g a b un ga n
p e r a ngka tl una kda nCDda pa tme ng ha s i l ka n n i l a iy a ngl e b i hb a i k. Pr i ns i p p e ne r a p a n pe r i ng k a t p a da me t o de analogy based estimation a da l a h s e b a g a ibe r i k ut: 1 .J a r a k LOC p r oy e k uj id e nga nc a l o n p r oy e ka n a l og id i h i t un gs e c a r at e r p i s a h . 2 . Ca l o n p r oy e k a na l og i ke mudi a n di ur ut k a nb e r da s a r k a nj a r a k ny a da r i y a ngt e r ke c i ls a mp a iy a ngt e r b e s a r . 3 . Pr oy e ka na l og ide nga nj a r a kt e r k e c i l me ne mpa t ipe r i ngk a tke 1.Ma k i nbe s a r j a r a k ny a , ma k a pe r i ngk a t ny a ma k i n b e r t a mba h. 4 . Pe n e r a pa np e r i ng ka tj ug a di l a k uka n p a daCDd e ng a nme k a n i s mey a n gs a ma . 5 . Pe r i ngk a t LOC di j u ml a hka nd e nga n p e r i ngka tCD me ng ha s i l ka np e r i ngk a t t o t a l . 6 . Dua p r oy e ky a ng me mi l i k ipe r i ngk a t t o t a lt e r ke c i l di p i l i hs e ba ga ip r oy e k a na l og i . Unt ukl e b i hj e l a s ny ad a p a tdi l i ha tflowchart p a daLa mp i r a n8. Unt uk me ng uj ik i ne r j a me t o de i ni , d i g una ka n ke l omp okda t ada n me k a n i s me p e ng uj i a ny a ng s a ma s e p e r t is e be l umny a a g a rh a s i l ny ad a pa tdi b a ndi ng k a n.Pe ng u j i a n p e r t a ma d i l a k uk a np a da k e l o mpok d a t a COCOMO 81. Ga l a tp a da t i a p ha s i l p e ng uj i a n k e mudi a n di hi t u ng d e ng a n me ng g una ka n MRE.Se t e l a hs e muaMRE p e ng uj i a ndi da p a t , s e l a nj ut ny ad i h i t un gmin MRE,max MRE,MMRE,MdMRE,da n SDMRE.Ha s i lpe ng uj i a n da n ni l a iMRE d a pa tdi l i h a tp a daLa mp i r a n9,s e da ng ka n n i l a ig a l a tl a i nny ad a pa tdi l i ha tda p a tdi l i h a t p a daLa mp i r a n10 .Unt ukme mba nd i n g ka n l a ng s ung k i ne r j ap e ne r a p a np e r i ng ka ti ni d e ng a np e ng uj i a ns e be l umny a ,di s e di a ka n g r a f i kp e r b a ndi ng a nMREa n t a r ap e ne r a pa n p e r i n gka t de ng a np e ngg u na a n pe r a ngk a t l un a ky a n g me r upa k a nt a ha p pe ng u j i a n t e r b a i kp a d a me t o de s e b e l umny a .Gr a f i k MREt e r s e b u tda p a tdi l i h a tp a d aGa mba r4.
9
1400 1200
MRE (%)
1000 800 600 400 200 0 1
4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 Pengujian LOC
Penerapan Peringkat
Ga mb a r4Gr a f i kMRELOCd a np e ne r a p a np e r i ng k a tp a daCOCOMO8 1 Pa d aGa mba r4t e r l i ha tb a hwani l a iMRE d a r ip e ng uj i a nde ng a n pe ne r a p a npe r i ngk a t c e n de r ungl e b i hke c i ld i b a ndi ngpe ng u j i a n d e ng a nLOC.Gr a f i kMRE p a dap e ng u j i a n d e ng a n pe n e r a pa np e r i ng ka tj ug at e r l i h a t l e b i hs t a b i l di b a ndi ng k a n de nga ng r a f i k MREp a dap e ng uj i a nde ng a nme ng g una ka n LOC. Te r da p a tb e b e r a p a ni l a i pe nc i l a n t i ng g ipa d ap e ng u j i a n de n ga n pe n e r a pa n p e r i ng ka t .Ni l a i ni l a ip e nc i l a nt i ng g ip a da p e ng uj i a n de ng a n p e ne r a p a n pe r i ngk a t ma s i hl e b i hj a uhl e b i hr e nd a hdi b a nd i n g ka n d e ng a n ni l a i ni l a i pe nc i l a n t i ng g ip a da p e ng uj i a n de nga n me ng g una ka n pe r a ngk a t l un a k . Unt ukl e b i hr i n c i ny ad a p a tdi l i h a t p a da La mp i r a n 10.Ni l a iMRE ma k s i ma l p e ng uj i a nde ng a np e ne r a p a np e r i ngka tj ug a j a uh l e b i h k e c i ld a r i p a da n i l a i MRE ma k s i ma l pa da pe ng uj i a n de ng a n me ng g una ka nLOC.Ra t a–r a t ada nme di a n MRE p a da p e ng uj i a n me ng g una ka n p e ne r a p a np e r i ng ka ts e b e s a r8 1, 68% da n 5 5, 7 0% j ug al e b i hk e c i ld i b a ndi ng ka nr a t a– r a t a da n me di a n MRE p a da pe ng u j i a n d e ng a nme n gg un a ka nLOC.Wa l a up u np a da me t o de s e b e l umny a p e ng uj i a n de ng a n me ng g una ka nLOCme mp uny a ir e s i koy a ng l e b i h ke c i ls e r t ak i n e r j ay a n gl e b i hb a i k d a r i p a d as e mua t a h a pp e ng uj i a n, t a ha p p e ng uj i a n t e r s e b ut ma s i h k ur a ng b a i k d i b a ndi ng k a n de ng a n pe ng u j i a n me ng g una ka np e ne r a p a np e r i ngk a t .
Se c a r ak e s e l ur uh a n, unt uk p e ng u j i a n d e ng a n me ngg una k a n k e l omp o k da t a COCOMO 81 ,p e ne r a p a n pe r i ngk a tp a da me t o de analogy based estimation i ni me n unj uk k a nk i ne r j ay a ngl uma y a nb a i k. Wa l a up unni l a ig a l a ty a ngd i h a s i l ka nma s i h t e r b i l a ng b e s a r ,n a mu n me t o de r a t i ng i ni d a pa tme ng g a b u ngka npe n ga r uh LOC da n CD hi ng g ame nc a p a ih a s i ly a ngl e b i hb a i k d a r i p a dame t o des e be l umny a . Pe n e r a pa n p e r i n gka t p a da me t o de analogy based estimation i nij ug ad i u j ip a da k e l o mpok d a t a mission planning NASA d e ng a n me ng g una ka n me ka ni s me y a ng s a ma . Ga l a tp a d at i a p ha s i l pe ng u j i a n k e mudi a n di hi t ung d e ng a n me ng g una ka n MRE.Se t e l a hs e t i a pp e ng u j i a ndi hi t ungni l a i MRE,s e l a n j u t n y adi hi t ungn i l a imin MRE, max MRE,MMRE,MdMRE,da nSDMRE. Ha s i lp e ng u j i a nda nn i l a iMREda p a tdi l i ha t p a da La mp i r a n 11,s e da ng ka n ni l a ig a l a t l a i nny a da pa tdi l i h a td a p a td i l i ha tp a da La mp i r a n 12 . Un t u k me mba nd i n g ka n l a ng s ung k i ne r j ap e ne r a p a np e r i ng ka ti ni d e ng a np e ng uj i a ns e be l umny a ,di s e di a ka n g r a f i kp e r b a ndi ng a nMREa n t a r ap e ne r a pa n p e r i n gka t de ng a np e ngg u na a n pe r a ngk a t l un a ky a n g me r upa k a nt a ha p pe ng u j i a n t e r b a i kp a d a me t o de s e b e l umny a .Gr a f i k MREt e r s e b utda p a tdi l i ha tp a d aGa mba r5.
10
250
MRE (%)
200 150 100 50 0 1
2
3
4
5
6
7
8
9
10 11 12 13 14 15 16 17 18
Pengujian LOC
Penerapan Peringkat
Ga mb a r5Gr a f i kMRELOCda np e n e r a p a npe r i ngk a tpa d amission planning NASA
Pa d aGa mba r5t e r l i ha tb a hwani l a iMRE d a r ip e ng uj i a nde ng a n pe ne r a p a npe r i ngk a t c e n de r ungl e b i hke c i ld i b a ndi ngp e ng u j i a n d e ng a nLOC.Gr a f i kMRE p a dap e ng u j i a n d e ng a np e ne r a pa n pe r i ngk a tj ug a ma s i h l e b i hs t a b i l di b a ndi ng k a n de nga ng r a f i k MREp a dap e ng uj i a nde ng a nme ng g una ka n LOC.Ke dua ni l a ip e nc i l a nt i n g g ip a da p e ng uj i a nme ngg una ka nLOCt e r l i h a ts a ng a t j e l a sp a dag r a f i k ny adiGa mb a r5.Ke dua n i l a ip e nc i l a nt i ng g it e r s e b utl e b i hb e s a r d a r i p a d a ni l a i MRE ma k s i ma l p a da p e ng uj i a nde ng a npe ne r a p a np e r i n gka t . Sa ma s e p e r t ipe ng u j i a n me n gg un a ka n LOC d a nCD s e ka l i g us ,p e ng uj i a nde n ga n p e ne r a p a npe r i ng ka ti nij ug ame ng ha s i l ka n n i l a iMRE s e b e s a r0, 00% p a dape ng u j i a n k e 5 .Ni l a ir a t a–r a t ad a nme di a nMREp a da p e ng uj i a n de ng a np e ne r a p a np e r i ngk a ti n i me r up a k a ny a ngt e r b a i kda r is e muat a ha p p e ng uj i a ny a n gt e l a hdi l a k uk a ns e b e l umny a , y a i t us e be s a r41, 30 % da n3 7 , 50%. Se c a r a ke s e l ur uh a n, pa da p e ng u j i a n d e ng a n me ngg una k a n k e l omp o k da t a mission planning NASA,me t o depe n e r a pa n p e r i ng ka ti nij u g ame nunj uk k a nk i ne r j ay a ng l e b i h b a i k da r i me t o d e s e b e l umny a . Be r k ur a ng ny a pe nc i l a n d a n n i l a i MRE ma k s i ma l me mb ua tr e s i kop e r k i r a a nb i a ya y a ngt e r l a l ub e r l e b i ha ns e ma k i nb e r k u r a ng .
KESIMPULAN DAN SARAN Kesimpulan Pa d ap e ng uj i a nde ng a nmetode analogy based estimation,d a p a tdi l i ha tb a h waha s i l t e r b a i kp a dak e l o mpokd a t aCOCOMO 81 d i t un j uk k a na p a b i l aha ny adi g una ka nLOC d a l a mp e ng uj i a n.Pa d ap e ng u j i a nk e l o mpok d a t aCOCOMO81me ng g una k a nLOC,ni l a i
r a t a–r a t aMRE s e b e s a r19 8, 12% d e ng a n me d i a n 7 9, 2 8%. Pa da ke l ompok da t a mission planning NASA,n i l a ir a t a–r a t a MREp e ng uj i a nme ngg un a k a nLOCs e b e s a r 6 7, 78% me r up a k a ny a ngt e r b a i kda r is e mua t a ha p p e ng uj i a n. Unt uk me di a n MRE, p e ng uj i a n de ng a n me ng g una k a n LOC da n CD s e k a l i g us me ng h a s i l ka n ni l a iy a ng t e r b a i ky a i t us e be s a r46, 79%. Pa d ape ng uj i a n me t o deanalogy based estimation d e ng a n pe ne r a p a n p e r i n gka t , u nt ukke l omp okda t aCOCOMO 81 ni l a i r a t a–r a t a MREs e be s a r81, 68% da nni l a i me d i a n ny as e b e s a r55, 70%.Pa d ap e ng u j i a n u nt uk k e l o mp ok da t a mission planning NASA, ni l a ir a t a–r a t a MRE s e b e s a r 4 1, 30% da n n i l a i me d i a n ny a s e b e s a r 3 7, 50%.Se c a r ak e s e l u r u ha n, pe ng u j i a n p a da me t o de pe ne r a p a n p e r i ngka ti ni me mb e r i k a nha s i ly a ngl e b i hba i kda r i p a da h a s i lp e ng uj i a nme t o des e b e l umny a . Saran Be be r a p a s a r a n un t u k pe ne l i t i a n s e l a n j ut ny aa d a l a h: 1 .Pe n g uj i a ndi l a k uk a nde nga nk e l ompok k e l ompo kd a t al a i n.Se ba i k ny as e mua p r oy e kp a dat i a pk e l o mpokd a t ab e r a s a l da r ip e r us a ha a ny a ngs a ma . 2 .Me t o d e pe n e r a pa n p e r i ng ka t p a da me t o deanalogy based estimation da p a t di g a b ungk a nde ng a nme t o del a i ns e pe r t i p e ne r a p a nbob o ta t a up unp r i n s i pfuzzy. 3 .Unt ukp e r hi t u ng a nb i a y a ,da p a tdi c oba i nt e r p o l a s ida r ib e b e r a pab i a y ap r oy e k t e r de ka ta t a ud i t e r a pk a n pe mb obo t a n y a ng b e r b e da p a da t i a pb i a y ap r oy e k t e r de ka t .
11
DAFTAR PUSTAKA Al Sa k r a n, Ha s a n. 20 06. Software Cost Estimation Model Based on Integration of Multi-agent and Case-Based Reasoning.J o ur na lo f Comp u t e rSc i e nc e2.I SSN,3:276 2 82. h t t p : / / www. s c i p u b . o r g / f ul l t e x t / j c s / j c s 2 3276 2 82. p df[ 2 0J u n i2 0 06] Br i a nd,Li o ne l .e ta l .1 999.An Assessment and Comparison of Common Software Cost Estimation Modeling Techniques.I nt e r na t i o na lSof t wa r e Eng i ne e r i ng Ne t wo r k Te c hn i c a l Re po r t . h t t p : / / c o b l i t z . c o de e n . o r g : 3 125/ c i t e s e e r . i s t . p s u. e du / c a c he / pa p e r s / c s / 291 6 / h t t p : z Sz z Sz www. i e s e . f h g . d e z Sz I SERNz Sz p ubz Sz t e c hni c a l _r e p o r t s z Sz i s e r n9 82 7. p df / b r i a n d99a s s e s s me n t . p d f[ 20 J u ni20 06] I dr i ,Al i .e ta l . 2 00 1 .Fuzzy Analogy : A New Approach for Software Cost Estimation. I n t e r na t i o na lWo r k s hop o n So f t wa r e Me a s ur e me nt . Mo nt r e a l , Ca na d a . h t t p : / / www. g e l o g . e t s mt l . c a / p u b l i c a t i o ns / p df / 67 0. p df[ 20J un i200 6] Le ung , Ha r e t o n . da n Zha ng Fa n. 200 1. Software Cost Estimation. De pa r t e me ntofComp ut i ng ,The Ho ngKo ngPo l y t e c hn i cUni v e r s i t y . h t t p : / / p a g i na s p e r s o n a l e s . de u s t o . e s / c o r t a z a r / do c t o r a do / a r t i c ul o s / l e ungh a ndbo ok . p df[ 20J u n i20 06] NASA Cos t Es t i ma t i ng We b Si t e . 200 5. h t t p : / / c o s t . j s c . n a s a . g ov / COCOMO. h t ml Pr o mi s e So f t wa r e Eng i n e e r i n g Re po s i t o r y d a t a s e t . 200 4. h t t p : / / p r o mi s e . s i t e . uo t t a wa . c a / SERe p o s i t o r y[ 21De s e mb e r2 006] Ri nt a l a ,Ka i .e ta l .2001 . Analogy Based Estimation in Building Services. Co ns t r uc t i o n I nf o r ma t i c s Di g i t a l Li b r a r y . h t t p : / / i t c . s c i x . ne t / da t a / wo r k s / a t t / w7 8 2 00174 . c o nt e nt . p df [ 21 De s e mbe r20 06] Sa l i u, Mo s ho o d Omo l a d e . 2 003.Adaptive Fuzzy Logic Based Framework For Software Development Effort
Prediction.Ki ng Fa hd Uni v e r s i t y o fPe t r o l e um&Mi n e r a l s . She pp e r d,M.da nSc ho f i e l d,C.1 9 96.Effort Estimation using Analogy. Pr o c e e di ng s o f t he 18 t h I nt e r na t i o na l Co nf e r e nc e o n Sof t wa r e Eng i ne e r i ng . Be r l i n, Ge r ma ny . h t t p : / / d e l i v e r y . a c m. o r g / 10 . 11 45 / 23 0 000/ 22 7758 / p 170s h e ppe r d. p d f ? k e y 1=2277 58&k e y 2= 8 4758 637 1 1&c o l l =&dl =ACM&CF I D=1 5151 515&CFTOKEN=6 1846 1 8[ 24J a nu a r i20 0 7]
LAMPIRAN
13
La mp i r a n1Flowchart me t o deanalogy based estimation
Atribut proyek uji
Atribut proyek lain
tidak
Menghitung jarak antar atribut proyek
Semua proyek sudah terambil
ya
Mengurutkan proyek berdasarkan jarak antar atribut
Memilih 2 proyek dengan jarak terdekat
Menghitung ratarata biaya aktual 2 proyek sebagai biaya estimasi
14
La mp i r a n2Ke l omp o kda t aCOCOMO81 No Rely Data Cplx 1 0, 8 8 1, 1 6 0, 7 0 2 0, 8 8 1, 1 6 0, 8 5 3 1, 0 0 1, 1 6 0, 8 5 4 0, 7 5 1, 1 6 0, 7 0 5 0, 8 8 0, 9 4 1, 0 0 6 0, 7 5 1, 0 0 0, 8 5 7 0, 7 5 1, 0 0 1, 0 0 8 1, 1 5 0, 9 4 1, 3 0 9 1, 1 5 0, 9 4 1, 3 0 10 1, 4 0 0, 9 4 1, 3 0 11 1, 4 0 0, 9 4 1, 3 0 12 1, 1 5 0, 9 4 1, 3 0 13 1, 1 5 0, 9 4 1, 3 0 14 1, 1 5 0, 9 4 1, 6 5 15 1, 4 0 0, 9 4 1, 3 0 16 1, 4 0 1, 0 0 1, 3 0 17 1, 4 0 1, 0 0 1, 3 0 18 1, 1 5 1, 1 6 1, 1 5 19 1, 1 5 1, 0 8 1, 0 0 20 1, 4 0 1, 0 8 1, 3 0 21 1, 0 0 1, 1 6 1, 1 5 22 1, 1 5 1, 0 0 1, 0 0 23 1, 1 5 1, 0 0 1, 0 0 24 0, 8 8 1, 0 0 0, 8 5 25 1, 1 5 1, 1 6 1, 3 0 26 0, 9 4 1, 0 0 0, 8 5 27 1, 1 5 0, 9 4 1, 1 5 28 1, 1 5 1, 0 8 1, 3 0 29 0, 8 8 1, 0 0 1, 0 0 30 0, 8 8 1, 0 0 1, 0 0 31 1, 4 0 1, 0 8 1, 0 0 32 0, 8 8 1, 0 8 0, 8 5 33 1, 4 0 1, 0 8 1, 3 0 34 1, 1 5 1, 0 8 1, 0 0 35 0, 7 5 0, 9 4 1, 3 0 36 0, 8 8 1, 0 5 0, 8 1
Time Stor 1, 0 0 1, 0 6 1, 0 0 1, 0 6 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 2 1 1, 0 0 1, 0 0 1, 6 6 1, 5 6 1, 3 0 1, 2 1 1, 1 1 1, 5 6 1, 1 1 1, 5 6 1, 1 1 1, 0 6 1, 1 1 1, 0 6 1, 3 0 1, 5 6 1, 3 0 1, 0 6 1, 3 0 1, 5 6 1, 3 0 1, 5 6 1, 3 0 1, 2 1 1, 1 1 1, 2 1 1, 1 1 1, 2 1 1, 0 6 1, 1 4 1, 2 7 1, 0 6 1, 0 8 1, 0 6 1, 0 6 1, 0 6 1, 1 5 1, 0 6 1, 0 7 1, 0 6 1, 3 5 1, 2 1 1, 1 1 1, 2 1 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 4 8 1, 5 6 1, 0 0 1, 0 0 1, 4 8 1, 5 6 1, 0 6 1, 0 0 1, 0 6 1, 2 1 1, 0 0 1, 0 0
Virt Turn Acap 1, 1 5 1, 0 7 1, 1 9 1, 0 0 1, 0 7 1, 0 0 0, 8 7 0, 9 4 0, 8 6 0, 8 7 1, 0 0 1, 1 9 0, 8 7 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 4 6 0, 8 7 0, 8 7 1, 0 0 1, 3 0 1, 0 0 0, 7 1 1, 1 5 1, 0 0 0, 8 6 1, 0 0 1, 0 7 0, 8 6 1, 0 0 1, 0 7 0, 8 6 1, 0 0 1, 0 0 0, 8 6 1, 1 5 1, 0 0 0, 7 1 1, 1 5 1, 0 0 0, 8 6 1, 1 5 0, 8 7 0, 8 6 1, 0 0 0, 8 7 0, 8 6 1, 0 0 0, 8 7 0, 8 6 1, 0 0 1, 0 7 0, 8 6 0, 8 7 0, 9 4 0, 7 1 1, 1 5 1, 0 7 0, 7 1 0, 8 7 0, 8 7 0, 8 6 1, 0 0 1, 0 0 0, 8 6 1, 0 0 1, 0 0 0, 8 6 1, 0 0 0, 8 7 1, 0 0 1, 0 0 0, 8 7 0, 8 6 1, 1 5 1, 0 7 0, 8 6 1, 0 0 0, 8 7 1, 0 0 1, 1 5 1, 0 7 0, 8 6 1, 0 0 1, 0 0 1, 1 0 1, 0 0 1, 0 0 1, 0 0 1, 1 5 1, 0 7 0, 8 6 1, 0 0 1, 0 0 0, 7 1 1, 1 5 0, 9 4 0, 8 6 1, 0 0 0, 8 7 1, 0 0 1, 1 5 1, 0 0 1, 0 0 0, 8 7 0, 8 7 1, 1 9
Aexp Pcap Vexp 1, 1 3 1, 1 7 1, 1 0 0, 9 1 1, 0 0 0, 9 0 0, 8 2 0, 8 6 0, 9 0 0, 9 1 1, 4 2 1, 0 0 1, 0 0 0, 8 6 0, 9 0 1, 0 0 1, 4 2 0, 9 0 1, 0 0 1, 0 0 0, 9 0 0, 9 1 1, 0 0 1, 2 1 1, 0 0 0, 8 6 1, 1 0 0, 8 2 0, 8 6 0, 9 0 0, 8 2 0, 8 6 0, 9 0 0, 8 2 0, 8 6 1, 0 0 1, 0 0 0, 7 0 1, 1 0 1, 0 0 0, 7 0 1, 1 0 1, 1 3 0, 8 6 1, 2 1 1, 0 0 0, 8 6 1, 0 0 0, 8 2 0, 8 6 1, 0 0 1, 0 0 1, 0 0 1, 0 0 0, 9 1 1, 0 0 1, 0 0 0, 8 2 1, 0 8 1, 1 0 1, 0 0 1, 0 0 1, 0 0 0, 8 2 0, 8 6 0, 9 0 0, 8 2 0, 8 6 0, 9 0 1, 2 9 1, 0 0 1, 1 0 1, 0 0 0, 8 6 1, 1 0 1, 0 0 0, 8 6 1, 1 0 1, 0 0 1, 0 0 1, 0 0 1, 0 0 0, 8 6 1, 1 0 1, 2 9 0, 8 6 1, 0 0 1, 2 9 0, 8 6 1, 0 0 0, 8 2 0, 8 6 1, 1 0 0, 8 2 1, 0 0 1, 0 0 0, 8 2 0, 8 6 0, 9 0 1, 0 0 1, 0 0 1, 0 0 0, 9 1 1, 0 0 1, 1 0 1, 0 0 1, 1 7 0, 9 0
Lexp Modp 1, 0 0 1, 2 4 0, 9 5 1, 1 0 0, 9 5 0, 9 1 0, 9 5 1, 2 4 0, 9 5 1, 2 4 0, 9 5 1, 2 4 0, 9 5 0, 9 1 1, 1 4 1, 1 0 1, 0 7 0, 9 1 1, 0 0 1, 0 0 1, 0 0 1, 0 0 0, 9 5 0, 9 1 1, 0 0 0, 8 2 1, 0 7 1, 1 0 1, 1 4 0, 9 1 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 2 4 1, 0 0 0, 9 1 1, 0 7 1, 2 4 1, 0 0 0, 9 1 1, 0 0 0, 9 1 1, 0 0 1, 0 0 0, 9 5 0, 8 2 1, 0 0 0, 8 2 1, 0 0 0, 9 1 1, 0 0 0, 8 2 1, 0 7 1, 1 0 1, 0 0 0, 9 1 1, 0 0 0, 9 1 1, 0 7 1, 0 0 1, 0 0 1, 1 0 1, 0 0 0, 9 1 1, 0 0 0, 9 1 1, 0 0 1, 2 4 0, 9 5 1, 0 0
Tool Sced 1, 1 0 1, 0 4 1, 0 0 1, 0 0 0, 9 1 1, 0 0 1, 0 0 1, 0 4 1, 0 0 1, 0 0 1, 1 0 1, 0 0 0, 9 1 1, 0 0 1, 1 0 1, 0 8 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 0 8 1, 0 0 1, 0 0 1, 2 4 1, 2 3 1, 0 0 1, 2 3 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 1 0 1, 0 8 0, 9 1 1, 0 0 1, 0 0 1, 0 8 0, 9 1 1, 0 0 1, 0 0 1, 2 3 1, 0 0 1, 2 3 0, 8 3 1, 0 0 0, 9 1 1, 0 8 1, 1 0 1, 0 8 1, 1 0 1, 0 8 1, 1 0 1, 0 0 0, 9 1 1, 2 3 0, 9 1 1, 2 3 1, 0 0 1, 0 0 1, 1 0 1, 0 0 0, 9 1 1, 0 0 1, 1 0 1, 2 3 1, 2 4 1, 0 0 0, 9 1 1, 0 4
LOC (KLOC) 113 , 00 293 , 00 132 , 00 60, 00 16, 00 4, 0 0 6, 9 0 22, 00 30, 00 29, 00 32, 00 37, 00 25, 00 3, 0 0 3, 9 0 6, 1 0 3, 6 0 320 , 00 1150 , 0 0 299 , 00 252 , 00 118 , 00 77, 00 90, 00 38, 00 48, 00 9, 4 0 13, 00 2, 1 4 1, 9 8 62, 00 390 , 00 42, 00 23, 00 13, 00 15, 00
Aktual (PM) 2040 , 0 0 1600 , 0 0 243 , 00 240 , 00 33, 00 43, 00 8, 0 0 1075 , 0 0 423 , 00 321 , 00 218 , 00 201 , 00 79, 00 60, 00 61, 00 40, 00 9, 0 0 1140 0, 00 6600 , 0 0 6400 , 0 0 2455 , 0 0 724 , 00 539 , 00 453 , 00 523 , 00 387 , 00 88, 00 98, 00 7, 3 0 5, 9 0 1063 , 0 0 702 , 00 605 , 00 230 , 00 82, 00 55, 00
15
La nj ut a n No 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63
Rely Data Cplx 0, 88 0, 9 4 0, 7 0 1, 00 1, 0 0 1, 1 5 1, 00 1, 0 0 1, 1 5 1, 00 0, 9 4 1, 3 0 0, 88 0, 9 4 1, 0 0 0, 88 1, 0 4 1, 0 7 1, 00 1, 0 4 1, 0 7 0, 88 1, 0 4 1, 0 7 0, 88 1, 0 4 1, 0 7 0, 88 1, 0 4 1, 0 7 0, 75 0, 9 4 1, 3 0 0, 88 0, 9 4 0, 8 5 1, 00 1, 0 0 0, 8 5 1, 15 1, 0 0 1, 0 0 0, 88 1, 0 0 1, 0 0 0, 88 0, 9 4 0, 8 5 0, 88 0, 9 4 1, 1 5 1, 00 0, 9 4 1, 0 0 0, 88 0, 9 4 0, 7 0 1, 15 0, 9 4 1, 3 0 1, 00 0, 9 4 1, 1 5 1, 40 0, 9 4 1, 3 0 1, 00 0, 9 4 1, 1 5 1, 15 0, 9 4 1, 3 0 1, 00 0, 9 4 1, 1 5 0, 88 0, 9 4 1, 3 0 1, 00 0, 9 4 1, 1 5
Time Stor Virt Turn Acap 1, 0 0 1, 0 6 1, 0 0 1, 0 0 0, 8 6 1, 0 0 1, 0 0 0, 8 7 0, 8 7 0, 7 1 1, 0 0 1, 0 0 0, 8 7 1, 0 0 0, 7 1 1, 0 0 1, 0 0 1, 0 0 0, 8 7 0, 8 6 1, 0 0 1, 0 0 0, 8 7 0, 8 7 1, 0 0 1, 0 0 1, 0 6 0, 8 7 1, 0 7 0, 8 6 1, 0 0 1, 2 1 0, 8 7 1, 0 7 0, 8 6 1, 0 6 1, 2 1 0, 8 7 1, 0 7 1, 0 0 1, 0 0 1, 0 6 0, 8 7 1, 0 7 1, 0 0 1, 0 0 1, 0 6 0, 8 7 1, 0 7 1, 0 0 1, 0 0 1, 0 0 0, 8 7 0, 8 7 0, 7 1 1, 0 0 1, 0 0 0, 8 7 1, 0 0 1, 1 9 1, 0 0 1, 0 0 1, 0 0 0, 8 7 0, 7 1 1, 3 0 1, 2 1 1, 0 0 0, 8 7 0, 8 6 1, 0 0 1, 0 0 1, 0 0 1, 1 5 1, 1 9 1, 0 0 1, 0 6 1, 1 5 1, 0 0 1, 0 0 1, 1 1 1, 2 1 1, 3 0 1, 0 0 0, 7 1 1, 0 0 1, 0 6 1, 1 5 0, 8 7 1, 0 0 1, 0 0 1, 0 0 0, 8 7 0, 8 7 0, 8 6 1, 3 0 1, 2 1 1, 0 0 1, 0 0 0, 8 6 1, 1 1 1, 2 1 1, 3 0 1, 0 0 1, 0 0 1, 6 6 1, 2 1 1, 0 0 1, 0 0 0, 7 1 1, 0 6 1, 0 6 1, 0 0 0, 8 7 1, 0 0 1, 1 1 1, 0 6 1, 0 0 1, 0 0 0, 8 6 1, 0 0 1, 0 0 0, 8 7 0, 8 7 0, 8 6 1, 1 1 1, 2 1 1, 1 5 1, 0 0 0, 7 8 1, 0 0 1, 0 0 1, 0 0 0, 8 7 0, 7 1
Aexp Pcap Vexp 0, 8 2 0, 8 6 1, 0 0 0, 9 1 1, 0 0 0, 9 0 0, 8 2 0, 7 0 1, 0 0 0, 8 2 1, 1 7 1, 0 0 0, 8 2 0, 7 0 0, 9 0 1, 0 0 0, 9 3 0, 9 0 1, 0 0 1, 0 0 0, 9 0 1, 0 0 1, 0 0 0, 9 0 1, 0 0 1, 0 0 0, 9 0 1, 0 0 0, 8 6 0, 9 0 0, 8 2 0, 7 0 1, 1 0 0, 9 1 1, 1 7 0, 9 0 1, 0 0 0, 7 0 1, 1 0 1, 0 0 0, 8 6 1, 1 0 1, 0 0 1, 4 2 1, 0 0 1, 0 0 1, 0 0 1, 1 0 1, 0 0 0, 7 0 1, 1 0 0, 8 2 1, 0 0 1, 0 0 0, 8 2 1, 1 7 0, 9 0 0, 9 1 1, 0 0 1, 1 0 1, 0 0 1, 0 0 1, 1 0 0, 8 2 0, 7 0 0, 9 0 1, 0 0 1, 0 0 1, 0 0 1, 1 3 0, 8 6 1, 1 0 1, 0 0 0, 8 6 0, 9 0 0, 8 2 0, 7 0 1, 2 1 0, 8 2 0, 8 6 1, 0 0
Lexp Modp 1, 0 0 1, 0 0 0, 9 5 0, 8 2 0, 9 5 0, 9 1 1, 0 0 1, 1 0 0, 9 5 0, 9 1 0, 9 5 0, 9 5 0, 9 5 1, 0 0 0, 9 5 1, 1 0 0, 9 5 1, 0 0 0, 9 5 1, 0 0 1, 0 7 1, 1 0 0, 9 5 1, 1 0 1, 0 0 0, 8 2 1, 0 0 1, 0 0 0, 9 5 1, 2 4 1, 0 7 1, 2 4 1, 0 7 1, 0 0 0, 9 5 0, 9 1 0, 9 5 1, 1 0 1, 0 7 1, 1 0 1, 0 7 1, 1 0 0, 9 5 0, 9 1 1, 0 0 0, 9 1 1, 0 7 1, 1 0 1, 0 0 0, 8 2 1, 1 4 0, 9 1 1, 0 0 0, 8 2
Tool Sced 1, 0 0 1, 0 0 0, 9 1 1, 0 0 1, 1 0 1, 0 0 1, 0 0 1, 0 0 0, 9 1 1, 0 0 0, 9 5 1, 0 4 1, 0 0 1, 0 4 1, 0 0 1, 0 4 0, 9 5 1, 0 4 1, 0 0 1, 0 4 1, 0 0 1, 0 4 1, 0 0 1, 0 4 0, 9 1 1, 0 0 1, 0 0 1, 0 0 1, 1 0 1, 0 4 1, 1 0 1, 0 0 1, 1 0 1, 0 8 1, 1 0 1, 0 0 1, 0 0 1, 0 0 1, 1 0 1, 0 8 1, 1 0 1, 2 3 1, 0 0 1, 0 0 1, 0 0 1, 0 0 1, 1 0 1, 0 8 1, 0 0 1, 0 0 1, 2 4 1, 0 0 1, 0 0 1, 0 0
LOC (KLOC) 60 , 00 15 , 00 6, 2 0 3, 0 0 5, 3 0 45 , 50 28 , 60 30 , 60 35 , 00 73 , 00 23 , 00 464 , 00 91 , 00 24 , 00 10 , 00 8, 2 0 5, 3 0 4, 4 0 6, 3 0 27 , 00 17 , 00 25 , 00 23 , 00 6, 7 0 28 , 00 9, 1 0 10 , 00
Aktual (PM) 47, 00 12, 00 8, 0 0 8, 0 0 6, 0 0 45, 00 83, 00 87, 00 106 , 00 126 , 00 36, 00 1272 , 0 0 156 , 00 176 , 00 122 , 00 41, 00 14, 00 20, 00 18, 00 958 , 00 237 , 00 130 , 00 70, 00 57, 00 50, 00 38, 00 15, 00
16
La mp i r a n3Ke l ompo kda t amission planning NASA No 1 2 3 4 5 6 7
Rely h n n n n n n
Data l l l l l l l
Cplx h h h h h h h
Time x h n n n n n n
Stor x h n n n n n n
Virt l l l l l h l
Turn h l l l l l l
Acap h h h h h h h
Aexp h v h v h v h v h h v h
Pcap h v h h v h n h h
Vexp n n n n n l n
Lexp h h h h l v l h
8 9 10 11 12 13 14 15 16 17 18
n n n n n h n n v h h h
l l l l l l n n n n n
h h h h h h n h x h v h h
n n n n n n n n h h h
n x h n n x h n n h h h h
l l l l l l l n l l l
l l l l l l n n l h h
h h h h h n h h n h n
n v h h v h h n v h h h n h
n v h h h n n v h n n n n
n n n n n n l n n h n
v l h h h h h h h n h n
Ke t e r a ng a n:
v l=very low l=low
n=nominal h=high
v h=very high x h=extra high
Modp h n n n n n n
Tool h n n n n n n
Sced n n n n n n n
LOC (KLOC) 7, 5 0 20 , 00 6, 0 0 100 , 00 11 , 30 100 , 00 20 , 00
Aktual (PM) 72, 00 72, 00 24, 00 360 , 00 36, 00 215 , 00 48, 00
n n n n n h h h l l l
n n n n n n n n h vh vh
n n n n n l n h n h n
100 , 00 150 , 00 31 , 50 15 , 00 32 , 50 5, 5 0 190 , 00 47 , 50 21 , 00 101 , 00 219 , 00
360 , 00 324 , 00 60, 00 48, 00 60, 00 18, 00 420 , 00 252 , 00 107 , 00 750 , 00 2120 , 0 0
17
La mp i r a n4Ha s i lp e ng uj i a nda nni l a iMRECOCOMO81 LOC No
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54
CD
LOC & CD
Aktual (PM)
2040 , 0 0 1600 , 0 0 243 , 00 240 , 00 33, 00 43, 00 8, 0 0 1075 , 0 0 423 , 00 321 , 00 218 , 00 201 , 00 79, 00 60, 00 61, 00 40, 00 9, 0 0 1140 0, 00 6600 , 0 0 6400 , 0 0 2455 , 0 0 724 , 00 539 , 00 453 , 00 523 , 00 387 , 00 88, 00 98, 00 7, 3 0 5, 9 0 1063 , 0 0 702 , 00 605 , 00 230 , 00 82, 00 55, 00 47, 00 12, 00 8, 0 0 8, 0 0 6, 0 0 45, 00 83, 00 87, 00 106 , 00 126 , 00 36, 00 1272 , 0 0 156 , 00 176 , 00 122 , 00 41, 00 14, 00 20, 00
Estimasi MRE (%) (PM) 483 , 50 76, 30 8900 , 00 456 , 25 1382 , 00 468 , 72 555 , 00 131 , 25 124 , 50 277 , 27 40, 5 0 5, 8 1 37, 5 0 368 , 75 53, 0 0 95, 07 204 , 00 51, 77 66, 5 0 79, 28 255 , 00 16, 97 314 , 50 56, 47 153 , 00 93, 67 8, 50 85, 83 26, 0 0 57, 38 13, 0 0 67, 50 52, 0 0 477 , 79 4000 , 00 64, 91 987 , 00 85, 05 6500 , 00 1, 5 6 4000 , 00 62, 93 1141 , 50 57, 67 289 , 50 46, 29 347 , 50 23, 29 153 , 50 70, 65 325 , 00 16, 02 26, 5 0 69, 89 47, 0 0 52, 04 6, 95 4, 8 0 7, 65 29, 66 143 , 50 86, 50 6336 , 00 802 , 56 284 , 00 53, 06 53, 0 0 76, 96 55, 0 0 32, 93 22, 5 0 59, 09 651 , 50 1286 , 1 7 44, 0 0 266 , 67 29, 0 0 262 , 50 34, 5 0 331 , 25 27, 0 0 350 , 00 496 , 00 1002 , 2 2 185 , 50 123 , 49 320 , 50 268 , 39 362 , 00 241 , 51 801 , 0 0 535 , 71 150 , 00 316 , 67 6051 , 00 375 , 71 496 , 00 217 , 95 100 , 00 43, 18 51, 5 0 57, 79 63, 0 0 53, 66 23, 0 0 64, 29 52, 0 0 160 , 00
Estimasi MRE (%) (PM) 92 0, 00 54, 90 96 , 50 93, 97 45 27, 5 0 1763 , 1 7 18 20, 0 0 658 , 33 67 9, 50 1959 , 0 9 69 7, 00 1520 , 9 3 33 , 50 318 , 75 10 10, 5 0 6, 0 0 51 8, 50 22, 58 11 3, 50 64, 64 16 5, 00 24, 31 11 , 50 94, 28 31 2, 00 294 , 94 597 , 50 895 , 83 14 7, 00 140 , 98 30 7, 00 667 , 50 32 2, 50 3483 , 3 3 32 49, 0 0 71, 50 12 33, 5 0 81, 31 57 49, 0 0 10, 17 35 61, 5 0 45, 07 37 0, 00 48, 90 47 7, 00 11, 50 11 3, 00 75, 06 45 27, 5 0 765 , 68 30 , 50 92, 12 12 3, 00 39, 77 34 11, 5 0 3381 , 1 2 11 7, 95 0 1515 , 7 5 11 8, 65 1911 , 0 2 30 7, 00 71, 12 82 3, 50 17, 31 24 , 50 95, 95 63 1, 50 174 , 57 49 9, 50 509 , 15 64 0, 00 1063 , 6 4 35 5, 00 655 , 32 29 , 00 141 , 67 10 8, 00 1250 , 0 0 45 , 00 462 , 50 29 , 00 383 , 33 11 6, 00 157 , 78 66 , 00 20, 48 94 , 50 8, 6 2 85 , 50 19, 34 75 , 50 40, 08 11 , 50 68, 06 25 , 50 98, 00 42 , 50 72, 76 79 , 00 55, 11 65 7, 50 438 , 93 69 , 50 69, 51 40 5, 00 2792 , 8 6 42 , 50 112 , 50
Estimasi MRE (%) (PM) 920 , 00 54, 90 404 , 00 74, 75 2027 , 5 0 734 , 36 1820 , 0 0 658 , 33 679 , 50 1959 , 0 9 697 , 00 1520 , 9 33, 50 318 , 75 1010 , 5 0 6, 0 0 518 , 50 22, 58 113 , 50 64, 64 165 , 00 24, 31 11, 50 94, 28 312 , 00 294 , 98 597 , 50 895 , 83 147 , 00 140 , 98 307 , 00 667 , 50 322 , 50 3483 , 3 3 3249 , 0 0 71, 50 1578 , 5 0 76, 08 5749 , 0 0 10, 17 383 , 00 84, 40 370 , 00 48, 90 477 , 00 11, 50 113 , 00 75, 06 1305 , 5 0 149 , 62 30, 50 92, 12 123 , 00 39, 77 3411 , 5 0 3381 , 1 2 117 , 95 1515 , 7 5 118 , 65 1911 , 0 2 307 , 00 71, 12 823 , 50 17, 31 24, 50 95, 95 631 , 50 174 , 57 499 , 50 509 , 15 57, 00 3, 6 4 11, 50 75, 53 29, 00 141 , 67 108 , 00 1250 , 0 0 45, 00 462 , 50 29, 00 383 , 33 116 , 00 157 , 78 66, 00 20, 48 94, 50 8, 6 2 85, 50 19, 34 75, 50 40, 08 11, 50 68, 06 25, 50 98, 00 42, 50 72, 76 79, 00 55, 11 65, 00 46, 72 69, 50 69, 51 405 , 00 2792 , 8 6 42, 50 112 , 50
18
La nj ut a n LOC No
CD
LOC & CD
Aktual (PM)
55 56 57 58 59 60 61 62 63
18, 00 958 , 00 237 , 00 130 , 00 70, 00 57, 00 50, 00 38, 00 15, 00
Estimasi MRE (%) (PM) 24, 0 0 33, 33 66, 5 0 93, 06 22, 5 0 90, 51 127 , 50 1, 9 2 133 , 00 90, 00 13, 0 0 77, 19 520 , 50 941 , 00 51, 5 0 35, 53 105 , 00 600 , 00
Estimasi MRE (%) (PM) 64 0, 00 3455 , 5 6 24 0, 00 74, 95 48 6, 00 105 , 06 40 3, 00 210 , 00 32 , 50 53, 57 69 0, 50 1111 , 4 0 41 , 00 18, 00 21 8, 50 475 , 00 60 , 00 300 , 00
Estimasi MRE (%) (PM) 640 , 00 3455 , 5 6 240 , 00 74, 95 486 , 00 105 , 06 403 , 00 210 , 00 32, 50 53, 57 690 , 50 1111 , 4 0 41, 00 18, 00 218 , 50 475 , 00 60, 00 300 , 00
La mp i r a n5Ag r e g a tga l a tCOCOMO8 1 Galat
LOC
CD
Min MRE( %) Max MRE( %) MMRE( %) MdMRE( %) SDMRE( %)
1, 5 6 1. 2 86 , 17 198 , 12 79, 28 261 , 32
LOC & CD
6, 0 0 3. 4 83 , 33 550 , 71 105 , 06 876 , 46
3, 6 4 3. 4 83 , 33 492 , 58 94, 28 866 , 67
La mp i r a n6Ha s i lp e ng uj i a nda nni l a iMREp a damission planning NASA LOC No
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
CD
LOC & CD
Aktual (PM)
72, 00 72, 00 24, 00 360 , 00 36, 00 215 , 00 48, 00 360 , 00 324 , 00 60, 00 48, 00 60, 00 18, 00 420 , 00 252 , 00 107 , 00 750 , 00 2120 , 0 0
Estimasi MRE (%) (PM) 21, 00 70, 83 77, 50 7, 6 4 45, 00 87, 50 287 , 50 20, 14 60, 00 66, 67 360 , 00 67, 44 89, 50 86, 46 287 , 50 20, 14 585 , 00 80, 56 83, 50 39, 17 42, 00 12, 50 83, 50 39, 17 48, 00 166 , 67 1222 , 0 0 190 , 95 60, 00 76, 19 60, 00 43, 93 287 , 50 61, 67 372 , 00 82, 45
Estimasi MRE (%) (PM) 60, 00 16, 67 204 , 00 183 , 33 48, 00 100 , 00 60, 00 83, 33 204 , 00 466 , 67 54, 00 74, 88 36, 00 25, 00 48, 00 86, 67 216 , 00 33, 33 48, 00 20, 00 36, 00 25, 00 192 , 00 220 , 00 210 , 00 1066 , 6 7 216 , 00 48, 57 240 , 00 4, 7 6 1435 , 0 0 1241 , 1 2 1113 , 5 0 48, 47 428 , 50 79, 79
Estimasi MRE (%) (PM) 60, 00 16, 67 204 , 00 183 , 33 48, 00 100 , 00 198 , 00 45, 00 36, 00 0, 0 0 210 , 00 2, 3 3 36, 00 25, 00 198 , 00 45, 00 216 , 00 33, 33 48, 00 20, 00 36, 00 25, 00 192 , 00 220 , 00 192 , 00 966 , 67 216 , 00 48, 57 60, 00 76, 19 1090 , 0 0 918 , 69 1186 , 0 0 58, 13 428 , 50 79, 79
19
La mp i r a n7Ag r e g a tga l a tmission planning NASA Galat
LOC
CD
Ukuran perangkat l unak & CD
Mi nMRE( %)
7, 6 4
4, 7 6
0, 0 0
Ma xMRE( %)
190 , 95
1. 2 41 , 12
96 6, 67
MMRE( %)
67, 78
212 , 46
15 9, 09
MdMRE( %)
67, 06
77, 34
46, 79
48, 27
360 , 53
291 , 03
SDMRE( %)
La mp i r a n8Flowchart me t o d eanalogy based estimation de n g a npe ne r a pa np e r i ng ka t
20
La mp i r a n9Ha s i lp e ng uj i a nda nni l a iMREp e ne r a pa np e r i ngk a tpa d aCOCOMO81 No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63
Estimasi (PM) 313 , 50 6051 , 0 0 85, 50 116 , 00 88, 50 65, 00 12, 00 597 , 50 518 , 50 150 , 50 202 , 00 74, 50 123 , 00 37, 50 37, 00 33, 00 24, 00 4000 , 0 0 1349 , 0 0 6051 , 0 0 921 , 50 332 , 50 85, 50 141 , 00 188 , 50 124 , 00 27, 50 69, 50 31, 45 32, 15 496 , 00 863 , 00 269 , 50 123 , 00 69, 50 10, 00 256 , 50 35, 00 10, 50 19, 00 8, 0 0 96, 50 96, 50 94, 50 85, 00 75, 50 123 , 00 414 , 00 250 , 00 74, 50 61, 50 35, 50 38, 50 7, 0 0 7, 0 0 299 , 50 90, 00 127 , 50 113 , 00 27, 50 76, 50 27, 50 10, 00
Aktual (PM) 2040 , 0 0 1600 , 0 0 243 , 00 240 , 00 33, 00 43, 00 8, 0 0 1075 , 0 0 423 , 00 321 , 00 218 , 00 201 , 00 79, 00 60, 00 61, 00 40, 00 9, 0 0 1140 0, 00 6600 , 0 0 6400 , 0 0 2455 , 0 0 724 , 00 539 , 00 453 , 00 523 , 00 387 , 00 88, 00 98, 00 7, 3 0 5, 9 0 1063 , 0 0 702 , 00 605 , 00 230 , 00 82, 00 55, 00 47, 00 12, 00 8, 0 0 8, 0 0 6, 0 0 45, 00 83, 00 87, 00 106 , 00 126 , 00 36, 00 1272 , 0 0 156 , 00 176 , 00 122 , 00 41, 00 14, 00 20, 00 18, 00 958 , 00 237 , 00 130 , 00 70, 00 57, 00 50, 00 38, 00 15, 00
MRE (%) 84, 63 278 , 19 64, 82 51, 67 168 , 18 51, 16 50, 00 44, 42 22, 58 53, 12 7, 3 4 62, 94 55, 70 37, 50 39, 34 17, 50 166 , 67 64, 91 79, 56 5, 4 5 62, 46 54, 08 84, 14 68, 87 63, 96 67, 96 68, 75 29, 08 330 , 82 444 , 92 53, 34 22, 93 55, 46 46, 52 15, 24 81, 89 445 , 75 191 , 67 31, 25 137 , 50 33, 33 114 , 44 16, 27 8, 6 2 19, 81 40, 08 241 , 67 67, 45 60, 26 57, 67 49, 59 13, 42 175 , 00 65, 00 61, 11 68, 74 62, 03 1, 9 2 61, 43 51, 75 53, 00 27, 63 33, 33
21
La mp i r a n10a g r e g a tga l a tp e n e r a p a npe r i ng k a tp a daCOCOMO81 Galat
Nilai
Min MRE( %)
1, 9 2
Max MRE( %)
445 , 75
MMRE ( %)
81, 6 8
MdMRE( %)
55, 70
SDMRE( %)
91, 33
La mp i r a n11Ha s i lp e ng u j i a nda nn i l a iMRE p e n e r a pa npe r i ng k a tp a damission planning NASA No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Estimasi (PM) 36, 00 48, 00 48, 00 342 , 00 36, 00 360 , 00 60, 00 210 , 00 390 , 00 54, 00 60, 00 54, 00 30, 00 342 , 00 60, 00 48, 00 306 , 00 428 , 50
Aktual (PM) 72, 00 72, 00 24, 00 360 , 00 36, 00 215 , 00 48, 00 360 , 00 324 , 00 60, 00 48, 00 60, 00 18, 00 420 , 00 252 , 00 107 , 00 750 , 00 2120 , 0 0
MRE (%) 50, 00 33, 33 100 , 00 5, 0 0 0, 0 0 67, 44 25, 00 41, 67 20, 37 10, 00 25, 00 10, 00 66, 67 18, 57 76, 19 55, 14 59, 20 79, 79
La mp i r a n12Ag r e g a tg a l a tpe n e r a pa np e r i ngka tp a damission planning NASA Galat
Nilai
Min MRE
0, 0 0
Max MRE
100 , 00
MMRE( %)
41, 30
MdMRE( %)
37, 50
SDMRE( %)
29, 30
