KALIBRASI KONSTANTA COCOMO II UNTUK PROYEK PENGEMBANGAN APLIKASI PRODUKSI MINYAK DI PT CALTEX PACIFIC INDONESIA

D-12-1

KALIBRASI KONSTANTA COCOMO II UNTUK PROYEK PENGEMBANGAN APLIKASI PRODUKSI MINYAK DI PT CALTEX PACIFIC INDONESIA Noor Hidayat dan Rully Soelaiman Magister Manajemen Teknologi Informasi - Institut Teknologi Sepuluh Nopember Kampus MMTI-ITS, Jl. Raya ITS, Sukolilo, Surabaya 60111 E-mail: [email protected], [email protected] Abstrak Proyek pengembangan aplikasi-aplikasi yang digunakan dalam bisnis produksi minyak di PT Caltex Pacific Indonesia (PT CPI) mengacu pada metode ChevronTexaco Project Development and Execution Process (CPDEP). Dari beberapa proyek pengembangan aplikasi yang sudah selesai dan terimplementasi di PT CPI diperoleh data-data fakta mengenai usaha proyek (project effort) dan jadwal proyek (project schedule). Kemudian dengan metode COCOMO II, untuk setiap proyek tersebut dapat dihitung dan diperoleh angka-angka estimasi untuk usaha proyek dan jadwal proyek. Sangat mungkin akan terjadi perbedaan angka-angka usaha proyek dan jadwal proyek tersebut. Dalam makalah ini akan dilakukan kalibrasi konstanta multiplikatif (Multiplicative Constant) dan konstanta eksponensial (Exponential Constant) dari model estimasi COCOMO II terhadap proyek pengembangan aplikasi produksi minyak di PT CPI. Kalibrasi dilakukan dengan menggunakan teknik regresi. Selanjutnya akan dianalisis juga faktor-faktor penentu apa saja pada COCOMO II yang mempunyai pengaruh paling besar terhadap perbedaan yang terjadi. Dari hasil ini kemudian dapat disarankan konstanta A dan E dari model COCOMO II yang sudah dikalibrasi untuk digunakan pada pengembangan aplikasi produksi minyak di PT CPI pada masa mendatang. Juga dapat disarankan faktor-faktor penentu yang mempunyai pengaruh besar terhadap hasil estimasi model COCOMO II tersebut untuk dapat diperhatikan dengan lebih seksama dalam proses kalkulasinya. Akurasi dalam melakukan estimasi waktu yang dibutuhkan dalam pengembangan aplikasi di PT CPI sangatlah penting. Kalibrasi ini diharapkan dapat meningkatkan tingkat akurasi dari estimasi yang dilakukan. Hal ini sangat berkaitan dengan pengelolaan sumber daya manusia, karena cukup banyak pengembangan aplikasi yang dilakukan oleh PT CPI secara internal (in-house), dan hal ini menjadi titik kunci dalam mengelola harapan pengguna (user expectation) dalam hal waktu penyelesaian proyek pengembangan aplikasi tersebut (estimated delivery time). Semakin akurat tingkat estimasi akan semakin baik pengelolaan sumber daya manusianya dan akan semakin baik juga pengelolaan harapan pengguna. Kata Kunci: kalibrasi, regresi, estimasi, usaha proyek, jadwal proyek, manajemen proyek, CPDEP, COCOMO II.

____________________________________________________________________________ ISBN : 979-99302-0-0 Prosiding Seminar Nasional Manajemen Teknologi I 25-26 Pebruari 2005 Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember

D-12-2

Pendahuluan PT CPI, sebagai salah satu perusahaan minyak yang cukup besar di Indonesia banyak mengembangkan aplikasi secara internal untuk menangani produksi minyak, mulai dari sumur minyak, lapangan minyak, sampai kepada pengapalan minyak. Untuk pengembangan aplikasi tersebut, digunakan metode CPDEP [1] - suatu proses menejemen proyek yang sudah dibakukan oleh ChevronTexaco dan digunakan di seluruh unit usaha (business unit) yang berafiliasi di bawahnya termasuk PT CPI. Dari beberapa proyek pengembangan aplikasi yang sudah selesai dan terimplementasi di PT CPI diperoleh data-data fakta (actual) mengenai usaha proyek (project effort) dan jadwal proyek (project schedule). Kemudian dengan metode COCOMO II [2], untuk setiap proyek tersebut dapat diperoleh angka-angka estimasi untuk usaha proyek dan jadwal proyek. Data fakta dan data estimasi kemudian dibandingkan untuk kemudian dilakukann kalibrasi terhadap konstanta A dan B dari model COCOMO II. Selanjutnya dianalisis juga seberapa besar perbedaan hasilnya dan faktor-faktor penentu apa saja yang mempunyai pengaruh paling besar terhadap terjadinya perbedaan tersebut. Hal inilah yang akan menjadi pokok pembahasan di dalam makalah ini. Dengan mengetahui faktor-faktor penentu tersebut, kita dapat melakukan proses kalkulasi dengan model COCOMO II dengan lebih baik, utamanya terhadap beberapa parameter input untuk faktor-faktor penentu tersebut, sehingga dapat diperoleh estimasi dengan akurasi yang lebih baik. Dengan estimasi yang lebih akurat untuk setiap proyek, maka sumber daya manusia (human resources) dan sumber daya waktu (time resources) dapat dikelola dan dialokasikan dengan lebih baik. Hal ini menjadi titik kunci dalam mengelola harapan pengguna (user expectation) dalam hal waktu penyelesaian proyek pengembangan aplikasi tersebut (estimated delivery time). Model Waterfall Metode pengembangan aplikasi dengan model waterfall [2] adalah metode yang sudah banyak digunakan dalam dunia aplikasi. Model ini adalah model yang digunakan pada COCOMO II untuk melakukan estimasi usaha proyek dan jadwal proyek. Metode ini terdiri dari 4 phase [2]:  Phase 1: Plans and Requirements Di dalam phase “Perencanaan dan Kebutuhan” ini akan dilakukan perencanaan secara global dan menyeluruh dari sistem yang akan dibangun dan kemudian akan dilakukan identifikasi kebutuhan atas fungsi dari sistem tersebut.  Phase 2: Product Design Di dalam phase “Desain Produk” ini akan ditentukan arsitektur perangkat keras / piranti lunak, struktur kontrol, dan struktur data sistem yang akan dibangun.  Phase 3: Programming Di dalam phase “Pemorgraman” ini akan dilakukan desain terinci yang dilanjutkan dengan pembuatann program (coding) dan pengujian untuk setiap unit program.  Phase 4: Integration & Test Di dalam phase “Integrasi dan Pengujian” ini akan dilakukan penggabungan beberapa komponen program untuk mendapatkan sebuah piranti lunak / aplikasi yang dapat berfungsi dengan baik yang terdiri dari beberapa modul yang loosely coupled. Kebutuhan yang sudah diidentifikasi pada phase pertama di atas akan _____________________________________________________________________________ ISBN : 979-99302-0-0 Prosiding Seminar Nasional Manajemen Teknologi I 25-26 Pebruari 2005 Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember

D-12-3

digunakan untuk menentukan apakah produk system yang dibangun memenuhi kebutuhan tersebut. Model CPDEP Di PT CPI, setiap proyek termasuk proyek pengembangan aplikasi diharuskan untuk mengikuti metode CPDEP [1]. Tujuannya adalah agar komunitas di perusahaan dan bahkan di korporasi ChevronTexaco dapat berbicara dengan bahasa dan pengertian yang sama dalam hal yang berkaitan dengan proyek. Metoda ini terdiri dari 5 phase [1]:  Phase 1: Identify and Assess Opportunities Di dalam phase “Mengidentifikasi dan Menguji Peluang” ini akan diidentifikasikan dan didefinisikan peluang-peluang yang ada dari proses kerja yang berjalan. Kemudian akan dilakukan analisa dan pengujian terhadap peluang tersebut untuk selanjutnya diputuskan apakah peluang yang ada dapat memberikan keuntungan atau nilai tambah terhadap proses kerja di mana peluang tersebut teridentifikasikan.  Phase 2: Generate & Select Alternative(s) Di dalam phase “Membuat dan Memilih Alternatif” ini akan dilakukan penggalian dan pengkajian terhadap pilihan-pilihan yang dimunculkan untuk kemudian diputuskan pilihan (alternative) yang mana yang mempunyai nilai tambah yang terbaik.  Phase 3: Develop Preferred Alternative Di dalam phase “Mengembangkan Alternaif yang Dipilih” ini akan dilakukan pengembangan langkah-langkah secara rinci dan terukur untuk menjalankan (execute) proyek tersebut di phase 4.  Phase 4: Execute Phase ini adalah menjalankan langkah-langkah pelaksanaan dari proyek untuk menyelesaikan produk yang akan dibuat.  Phase 5: Operate and Evaluate Phase ini adalah phase operasional dan evaluasi dari produk yang dibuat untuk melihat kemungkinan pengembangan / perbaikan lebih lanjut. Ketika teridentifikasi peluang baru, maka dapat dibuat proyek baru yang dimulai dari phase 1 kembali. Phase 1 sampai 4 adalah phase-phase yang relevan terhadap rencana penelitian dan pembahasan dalam makalah ini. Gambar 1. Phase-phase CPDEP [1]

_____________________________________________________________________________ ISBN : 979-99302-0-0 Prosiding Seminar Nasional Manajemen Teknologi I 25-26 Pebruari 2005 Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember

D-12-4

Dari penjelasan aktifitas per phase pada kedua metode tersebut di atas, maka korelasi antara metode waterfall dan CPDEP adalah sebagai berikut: Gambar 2. Perbandingan phase Waterfall vs CPDEP Waterfall Phase 1: Plans and Requirements

CPDEP Phase 1: Identify and Assess Opportunities Phase 2: Generate & Select Alternative(s)

Phase 2: Product Design

Phase 3: Develop Preferred Alternative

Phase 3: Programming Phase 4: Integration & Test

Phase 4: Execute

Strategi Estimasi Ada banyak strategi estimasi yang dapat digunakan sebagai referensi dalam industri perangkat lunak atau aplikasi. Berikut ini adalah beberapa strategi di antaranya [10]:  Algorithmic (algoritma): strategi ini menyarankan untuk menggunakan model matematika. Model matematika tersebut dibuat berdasarkan data-data terdahulu atau berdasarkan teori. Strategi ini memberikan hasil yang konsisten dan secara obyektif dapat dikalibrasi terhadap data-data terdahulu, tetapi beberapa faktor input kadang tidak mudah untuk dikuantifikasi.  Expert Judgement (pertimbangan ahli): strategi ini menyarankan untuk berkonsultasi dengan ahli pada bidangnya yang kemudian membandingkannya dengan proyek sejenis yang sudah pernah ditanganinya. Strategi ini murah dan akurat, tetapi tidak dapat diperkirakan untuk konsisten karena sangat bergantung kepada ahlinya.  Analogy (membandingkan): strategi ini menyarankan untuk membandingkan dengan proyek lain di dalam bidang (domain) yang sama. Strategi ini juga murah dan cukup akurat, tetapi penerapannya sangat terbatas karena harus dicari proyek dari bidang yang sama.  Parkinson’s Law (Hukum Parkinson): strategi ini menyarankan untuk melakukan estimasi berdasarkan kepada sumber daya yang tersedia. Strategi ini tampaknya seperti dapat mengakomodasi kebutuhan estimasi apa saja (elastis), tetapi kurang akurat dan merupakan strategi yang bersifat pesimistik.  Price to win (harga untuk menang): strategi ini menyarankan untuk melakukan estimasi berdasarkan kepada kebutuhan dan tujuan untuk memenangkan kontrak. Strategi ini mungkin akan dapat sering memberikan kemenangan kontrak, tetapi mengandung resiko yang cukup besar untuk meleset dari perkiraan karena ketidak-akuratan yang ditimbulkannya.  Top-Down (dari atas ke bawah): strategi ini menyarankan untuk melakukan estimasi berdasarkan kepada fungsi-fungsi dari aplikasi yang akan dibangun. Strategi ini relatif lebih cepat dan lebih mudah untuk diimplementasikan, tetapi mempunyai kecenderungan untuk melupakan komponen yang terbawah dan kecil.  Bottom-Up (dari bawah ke atas): strategi ini menyarankan untuk melakukan estimasi dimulai dari tingkat komponen aplikasi yang kemudian digabunggabungkan untuk menjadi estimasi proyek. Strategi ini memberikan hasil yang lebih stabil dan juga lebih detil dibandingkan dengan strategi top-down, tetapi membutuhkan waktu yang relatif lebih lama. _____________________________________________________________________________ ISBN : 979-99302-0-0 Prosiding Seminar Nasional Manajemen Teknologi I 25-26 Pebruari 2005 Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember

D-12-5

Estimasi di PT CPI Untuk proyek-proyek pengembangan aplikasi di PT CPI, estimasi dilakukan dengan salah satu atau kedua cara yaitu Expert Judgement dan/atau Analogy dengan memperhatikan beberapa faktor berikut [1]: 1) Kompleksitas proses bisnis: Tingkat kompleksitas proses business dan kompleksitas perhitungan yang ada dalam proses business tersebut. 2) Cakupan proses bisnis: Seluruh perusahaan, atau satu unit operation saja, atau lebih kecil lagi team atau departemen. 3) Ukuran aplikasi yang akan dibuat: Jumlah satuan transaction / data entry screens, jumlah satuan report. 4) Pengalaman pengembang (Developer): Tingkat pengetahuan dan pengalaman dalam proses business tersebut. Karena estimasi proyek dilakukan tidak dengan prosedure yang baku, maka akurasi estimasi dari proyek yang satu dengan proyek yang lain tidak konsisten, sehingga tingkat kepercayaan terhadap angka estimasi tersebut tidak dapat dijaga dan juga membuat kita sulit untuk melakukan perencanaan tenaga kerja (resource planning) dengan lebih baik. Estimasi dengan COCOMO II COCOMO II (Constructive Cost Model) [2] – pertama kali diperkenalkan oleh Dr. Barry Boehm pada tahun 1981 – adalah sebuah model yang dapat membantu pengembang aplikasi untuk melakukan estimasi terhadap biaya (cost), usaha (effort), dan jadwal (schedule) ketika dalam proses perencanaan pengembangan sebuah aplikasi. Persamaan yang digunakan untuk menghitung estimasi usaha proyek dan jadwal proyek pada model Post-Architecture adalah seperti pada persamaan 1 dan 2 di bawah ini. Hasil estimasi ini disebut sebagai Nominal-Schedule (NS), yaitu dengan mengeluarkan faktor cost driver SCED (Required Development Schedule) [2]. Nilai estimasi usaha proyek (project effort) dalam satuan person-months, PMNS, diperoleh dengan menggunakan persamaan berikut: (1)

di mana

Simbol PMNS

Keterangan Person-Month untuk usaha proyek pada Nominal-Schedule (NS), yaitu dengan mengeluarkan faktor pendorong biaya (cost driver) SCED (Required Development Schedule). Faktor pendorong biaya lihat Tabel 2.

A

Multiplicative Constant adalah angka pendekatan atas konstanta produktivitas dalam satuan PM / KSLOC, untuk kasus di mana E (Exponential Constant) = 1.0 A = 2.94 yang merupakan hasil kalibrasi COCOMO II.2000 yang


D-12-6

mereflesikan rata-rata produktivitas secara global. Size

Ukuran dari aplikasi yang dibangun dalam satun KSLOC (Kilo Source Line Of Codes). Angka ini dapat dihitung dari ukuran setiap modul dari aplikasi tersebut, atau dapat juga dihitung dengan UFP (Unadjusted Funtion Point) yang kemudian dapat dikonversikan ke KSLOC.

EM

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

E

Exponential Constant, terdiri dari konstanta B dan SF (Scale Factor). B = 0.91 yang merupakan hasil kalibrasi COCOMO II.2000 yang mereflesikan rata-rata faktor skala (Scale Factor) proyek secara global.

SF

Scale Factor, lihat Tabel 1.

Nilai estimasi jadwal proyek (project schedule) dalam satuan calendar time, TDEVNS, diperoleh dengan menggunakan persamaan berikut: (2) di mana

Simbol TDEVNS

Keterangan Time to Develop atau jadwal proyek dalam waktu kalender dengan satuan bulan pada nominal schedule

C

Angka pendekatan atas konstanta koefisiensi atas waktu yang dibutuhkan untuk mengembangkan aplikasi (Coefficient for TDEV). C = 3.67 yang merupakan hasil kalibrasi COCOMO II.2000 yang mereflesikan rata-rata koefisiensi secara global.

PMNS

Person-Month untuk usaha proyek pada nominal schedule

F

Exponential Constant, terdiri dari konstanta D dan SF (Scale Factor). D = 0.28 yang merupakan hasil kalibrasi COCOMO II.2000 yang mereflesikan rata-rata faktor skala (Scake Factor) proyek secara global.

SF

Scale Factor, lihat Table 1.


D-12-7

Dari kedua persamaan di atas, konstanta-konstanta yang akan dikalibrasi adalah konstanta A dan B dari persamaan untuk estimasi usaha proyek, dan konstanta C dan D dari persamaan estimasi jadwal proyek. Faktor pendorong dalam model COCOMO II ini terdiri atas 2 bagian, yaitu faktor skala (scale factor) dan pendorong biaya (cost driver). Faktor skala adalah merupakan faktor yang penting dalam menentukan biaya dan waktu yang dibutuhkan dalam sebuah proyek pengembangan aplikasi. Ada 5 faktor skala di dalam model COCOMO II: Tabel 1. Faktor Skala COCOMO II [5]

Faktor pendorong biaya digunakan pada model COCOMO II untuk penyesuaian estimasi usaha proyek dari angka nominal. Ini merupakan faktor pengali (Effort Multiplier – EM) pada model untuk menghitung usaha proyek (persamaan 1). Model COCOMO II ini mempunyai 17 faktor pendorong biaya:


D-12-8

Tabel 2. Faktor Pengali Usaha COCOMO II [5]


D-12-9


D-12-10

Skala dari faktor ini adalah:  VL = Very Low  L = Low  N = Normal  H = High  VH = Very High  XH = Extra High Ke 17 faktor pendorong biaya tersebut di atas dapat dibagi menjadi beberapa kolompok seperti di bawah ini[2]:  Produk (Product): RELY, DATA, CPLX, RUSE, DOCU  Komputer (Computer): TIME, STOR, PVOL  Sumber Daya Manusia (Personnel): ACAP, PCAP, PCON, APEX (AEPX), PLEX, LTEX  Proyek (Project): TOOL, SITE, SCED

Tabel 3. Faktor Skala dan Pendorong Biaya dari COCOMO II.2000 [2] _____________________________________________________________________________ ISBN : 979-99302-0-0 Prosiding Seminar Nasional Manajemen Teknologi I 25-26 Pebruari 2005 Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember

D-12-11

Metoda Kalibrasi COCOMO II Tujuan dilakukannya kalibrasi lokal terhadap konstanta-konstanta dari model COCOMO II adalah untuk dapat memasukkan atau memperhitungkan faktor lingkungan pengembang lokal (local development environment) ke dalam model tersebut. Penelitian yang sudah dilakukan terhadap data-data yang digunakan untuk melakukan kalibrasi terhadap parameter-parameter pada model Setelah-Arsitektur COCOMO II menunjukkan bahwa model tersebut akan memberikan hasil yang lebih baik akurasinya setelah dilakukan kalibrasi terhadap organisasi lokal [2]. Langkah-langkah Kalibrasi Langkah-langkah untuk melakukan kalibrasi konstanta-konstanta dari model COCOMO II dan juga analisis terhadap faktor-faktor penentu dalam model tersebut adalah sebagai berikut: 1) Mengumpulkan data-data proyek pengembangan aplikasi dengan menggunakan COCOMO II Data Collection Form 2) Melakukan verifikasi dan validasi data-data proyek tersebut kepada pihak yang paling mengetahuinya, manajer proyek dari aplikasi tersebut, support personel dari aplikasi tersebut. 3) Memasukkan parameter-parameter yang dibutuhkan oleh model COCOMO II untuk setiap proyek dan melakukan penghitungan estimasi untuk usaha proyek dan jadwal proyek _____________________________________________________________________________ ISBN : 979-99302-0-0 Prosiding Seminar Nasional Manajemen Teknologi I 25-26 Pebruari 2005 Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember

D-12-12

OK PIMS 4 Jan 2005

CPI-0001 Noor Hidayat

0001 PT CPI 31 Mar 2003 6 0

Nov 2002 5.79 7,840 0

Apr 2003

X X X X X X ====

==== ====

X X X

==== X

====

======== X ======== X ==== X X X X X X X X

X

None

==== ==== ==== ==== ==== ==== ==== ==== X ====

Gambar 3. COCOMO II Data Collection Form

4) Membuat tabulasi data-data statistik baik dari data fakta proyek maupun dari data hasil estimasi COCOMO II 5) Membuat grafik ukuran/besarnya aplikasi (SIZE) terhadap usaha proyek (EFFORT) untuk melihat apakah ada data yang outlier untuk kemudian ditentukan apakah dikeluarkan atau tidak dari data set untuk kebutuhan kalibrasi 6) Melakukan kalibrasi terhadap konstanta pada model COCOMO II dengan menggunakan metode regresi 7) Melakukan penghitungan estimasi untuk usaha proyek dan jadwal proyek dengan menggunakan konstanta hasil kalibrasi 8) Mengitung akurasi PRED (prediction) dari kedua perhitungan estimasi, yaitu dengan konstanta COCOMO II.2000 dan konstanta hasil kalibrasi. 9) Membandingkan kedua tabulasi PRED tersebut 10) Membuat kesimpulan dan rekomendasi/saran. Ada beberapa metode yang dapat digunakan untuk melakukan kalibrasi terhadap konstanta multiplikatif dan eksponensial [2], tetapi dalam makalah ini kita hanya menggunakan salah satu metoda yang ada yaitu metode regresi. Untuk hal ini _____________________________________________________________________________ ISBN : 979-99302-0-0 Prosiding Seminar Nasional Manajemen Teknologi I 25-26 Pebruari 2005 Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember

D-12-13

disarankan minimal ada 5 data yang diperoleh dari proyek-proyek terdahulu untuk digunakan pada proses kalibrasi konstanta ini. Metoda Regresi Metode regresi merupakan metode yang sangat populer dalam membangun model. Hal ini dikarenakan pemakaiannya yang relative mudah dan juga cukup sederhana. Multipel regresi menyatakan bahwa response adalah merupakan fungsi linier dari predictor, sehingga dapat dituliskan sebagai berikut: y =  xi1  kxik i (3) di mana xi1 …….. .xik adalah nilai dari predictor (atau regresor) untuk data pengamatan sebanyak i,   kadalah coefisien yang akan diestimasi, i adalah term error secara umum, dan yi adalah response untuk observasi ke ith. Data Proyek Pengembangan Aplikasi Produksi Minyak di PT CPI Data fakta dari beberapa proyek yang sudah diimplementasikan di PT CPI diperoleh dari dokumentasi proyek yang dimaksud setelah melalui proses verifikasi dan validasi. Kemudian kita ambil data-data yang dibutuhkan dan kita masukkan ke dalam formulir pengumpulan data (data collection form) COCOMO II dan hasil tabulasi data-data tersebut adalah sebagai berikut: Tabel 4. Data Faktor Skala dari Aplikasi Application No. 1 2 3 4 5

SF PREC FLEX RESL TEAM PMAT

Description Precedentedness Development Flexibility Architecture/Risk Resolution Team Cohesion Process Maturity

PIMS PTS BMOC LAS DMDR Rating Value Rating Value Rating Value Rating Value Rating Value N 3.72 N 3.72 VH 1.24 L 4.96 VL 6.20 VH 1.01 VL 5.07 H 2.03 H 2.03 L 4.05 N 4.24 L 5.65 L 5.65 L 5.65 VH 1.41 VH 1.10 VH 1.10 VH 1.10 VH 1.10 VH 1.10 N 4.68 H 3.12 H 3.12 N 4.68 N 4.68

 SF i

14.75

18.66

13.14

18.42

17.44

Tabel 5. Data Pendorong Biaya dari Aplikasi Application No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

EM RELY DATA CPLX RUSE DOCU TIME STOR PVOL ACAP PCAP PCON APEX PLEX LTEX TOOL SITE SCED %SCED

Description Required Software Reliability Database size Product Complexity Developed for Reusability Documentation Match to life-Cycle Needs Execution Time Constraint Main Storage Constraint Platform Volaitility Analyst Capability Programmer Capability Personnel Continuity Application Experiemce Platform Experience Languange and Tool Experience use of Software tools Mulitisite Development Required Development Schedule

PIMS PTS BMOC LAS DMDR Rating Value Rating Value Rating Value Rating Value Rating Value L 0.92 H 1.10 N 1.00 L 0.92 H 1.10 H 1.14 N 1.00 L 0.90 L 0.90 H 1.14 VH 1.34 H 1.17 L 0.87 L 0.87 H 1.17 N 1.00 VH 1.15 N 1.00 N 1.00 N 1.00 L 0.91 N 1.00 N 1.00 N 1.00 N 1.00 N 1.00 H 1.11 VH 1.29 N 1.00 N 1.00 N 1.00 N 1.00 N 1.00 N 1.00 VH 1.05 L 0.87 N 1.00 N 1.00 H 1.15 N 1.00 H 0.85 H 0.85 VH 0.71 H 0.85 H 0.85 H 0.88 H 0.88 VH 0.76 H 0.88 N 1.00 VH 0.81 N 1.00 N 1.00 N 1.00 H 0.90 VH 0.81 VH 0.81 VH 0.81 H 0.88 N 1.00 VH 0.85 VH 0.85 VH 0.85 H 0.91 N 1.00 H 0.91 VH 0.84 VH 0.84 H 0.91 N 1.00 VL 1.17 VL 1.17 VL 1.17 VL 1.17 VL 1.17 XH 0.80 VH 0.86 VH 0.86 VH 0.86 VH 0.86 N 1.00 H 1.00 VL 1.43 N 1.00 N 1.00 1.00 1.00 0.75 1.00 1.00

 EM i

0.40

0.72

0.45

0.45

1.19


D-12-14

Tabel 6. Data proyek pengembangan aplikasi produksi minyak di PT CPI Project Number (i ) 1 2 3 4 5

Data Project Description Name (i ) PIMS Crude oil surface facility Project Information Management System PTS Crude oil Production performance Tracking System BMOC Bekasap crude oil suface facility Management Of Change LAS UNIX LAS format automatic loading DMDR Dumai Production Daily Report

Effort i

Schedule i kSLOC i

 EM i

 SF i

5.79

6.00

5.488

0.40

14.75

8.00

6.00

3.123

0.72

18.66

3.55

3.87

2.808

0.45

13.14

3.50 10.50

5.00 7.00

2.520 3.611

0.45 1.19

18.42 17.44

Size / Effort 1.2

y ==> Effort (log)

1 0.8 0.6 0.4 0.2 0 0

0.2

0.4

0.6

0.8

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

Gambar 4. Size / Effort dari data proyek pengembangan aplikasi Dari grafik Size / Effort di atas tidak terdapat data yang outlier. Dengan demikian datpat kita simpulkan bahwa data-data tersebut dapat digunakan untuk kalibrasi konstanta pada model COCOMO II.2000. Kalibrasi Konstanta A dan Konstanta B Persamaan 1 di atas dapat dituliskan seperti di bawah ini: (4) Terlihat di sini bahwa konstanta eksponensial sebenarnya adalah konstanta B. Kita akan melakukan kalibrasi terhadap konstanta multiplikatif, A, dan konstanta eksponensial, B. Persamaan 4 tersebut di atas di-linier-kan dengan cara mengambil nilai log sehingga diperoleh persamaan seperti di bawah ini[2, p.179]: ln(Effort) – [x SF1 x ln(Size) + ....... + x SF5 x ln(Size) + x ln(EM1) + x ln(EM2) + ........... + x ln(EM16)

(5)


D-12-15

+ x ln(EM17)] = + x ln(Size) di mana A = e dan

B = 

Tabel 7. Kalibrasi lokal konstanta A dan B terhadap data proyek Project Number (i )

Estimation with COCOMO II.2000

Data Project Name (i )

Effort i

Schedule i kSLOC i

 EM i

 SF i

PM i

TDEV i

Perhitungan Regresi x

x2

y

xy

1

PIMS

5.79

6.00

5.488

0.40

14.75

7.03

6.71

0.7394

0.5467

1.0566

0.7813

2

PTS

8.00

6.00

3.123

0.72

18.66

7.33

6.91

0.4946

0.2446

0.9564

0.4730

3

BMOC

3.55

3.87

2.808

0.45

13.14

3.91

3.74

0.4484

0.2011

0.8347

0.3743

4

LAS

3.50

5.00

2.520

0.45

18.42

3.67

5.54

0.4014

0.1611

0.8127

0.3262

5

DMDR

10.50

7.00

3.611

1.19

17.44

14.03

8.43

0.5576

0.3109

0.8499

0.4739

2.6414

1.4645

4.5104

2.4288

Total

5

x = log(kSLOC); y = log(Effort/EM) - 0.01*SF*log(kSLOC) 0 A

1 B

= =

0.5502 3.55

= =

0.6660 0.67

Kalibrasi Konstanta C dan Konstanta D Persamaan 2 pada sub-bab 4.1.2 dapat dituliskan seperti di bawah ini: (6) Kita akan melakukan kalibrasi terhadap konstanta multiplikatif, C, dan konstanta eksponensial, D. Persamaan 6 tersebut di atas di-linier-kan dengan cara mengambil nilai log sehingga diperoleh persamaan seperti di bawah ini: ln(Schedule) – [x SF1 x ln(PM) + ....... + x SF5 x ln(PM) = + x ln(PM) di mana

C=e



(7)

dan D = 

Tabel 8. Kalibrasi lokal konstanta C dan D terhadap data proyek Project Number (i )

Estimation with COCOMO II.2000

Data Project Name (i )

Effort i

Schedule i kSLOC i

 EM i

 SF i

PM i

TDEV i

Perhitungan Regresi x

x2

y

xy

1

PIMS

5.79

6.00

5.488

0.40

14.75

7.03

6.71

0.7627

0.5817

0.7557

0.5763

2

PTS

8.00

6.00

3.123

0.72

18.66

7.33

6.91

0.9031

0.8156

0.7444

0.6723

3

BMOC

3.55

3.87

2.808

0.45

13.14

3.91

3.74

0.5502

0.3028

0.5729

0.3152

4

LAS

3.50

5.00

2.520

0.45

18.42

3.67

5.54

0.5441

0.2960

0.6789

0.3694

5

DMDR

10.50

7.00

3.611

1.19

17.44

14.03

8.43

1.0212

1.0428

0.8095

0.8266

3.7813

3.0388

3.5614

2.7598

Total

5

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


D-12-16

0 C

1 D

= =

0.4315 2.70

= =

0.3713 0.37

Hasil dan Diskusi Konstanta A, B, C, dan D Kalibrasi konstanta A dan B pada model COCOMO II.2000 untuk usaha proyek, juga konstanta C dan D pada model yang sama untuk jadwal proyek, terhadap proyekproyek pengembangan aplikasi di PT CPI memberikan hasil sebagai berikut: Tabel 9. Konstanta COCOMO II.2000 dan hasil kalibrasi lokal di PT CPI COCOMO II Konstanta

Hasil Kalibrasi

A=

2.94

B=

0.91

A=

3.55

B=

0.67

C=

3.67

D=

0.28

C=

2.70

D=

0.37

1.1 Akurasi Hasil Kalibrasi Untuk melihat apakah akurasi estimasi dengan menggunakan konstanta hasil kalibrasi, baik untuk usaha proyek maupun untuk jadwal proyek, menjadi lebih bagus atau tidak, kita gunakan indikator PRED(L) [4]. PRED(L) adalah persentase angka estimasi yang ada dalam L persen dari angka fakta (actual). Ukuran ini didasarkan kepada hasil perhitungan error, yang disebut sebagai proportional error. Tabel 10. Perhitungan PRED(L) untuk Usaha Proyek Project Project Actual Number Name (i ) Efforti (i ) 1 2 3 4 5

PIMS PTS BMOC LAS DMDR

5.79 8.00 3.55 3.50 10.50

Using COCOMO II.2000 PM i

Error i

7.03 7.33 3.91 3.67 14.03

0.21 -0.08 0.10 0.05 0.34

Using Local A and B PM i

PRED(.20) PRED(.25) PRED(.30) Yes Yes Yes -

Yes Yes Yes Yes -

60%

Yes Yes Yes Yes -

80%

Error i

5.61 6.70 3.67 3.54 12.39

-0.03 -0.16 0.03 0.01 0.18

80%

PRED(.20) PRED(.20) PRED(.30) Yes Yes Yes Yes Yes 100%

Yes Yes Yes Yes Yes 100%


Tabel 11. PRED(L) untuk Usaha Proyek Effort Prediction

Using COCOMO II.2000

Using Local A and B

PRED(.20)

60%

100%

PRED(.25)

80%

100%

PRED(.30)

80%

100%

Tabel 12. Perhitungan PRED(L) untuk Jadwal Proyek Project Project Actual Number Name Scedulei (i ) (i ) 1 2 3 4 5

PIMS PTS BMOC LAS DMDR

6.00 6.00 3.87 5.00 7.00

Using COCOMO II.2000 TDEV i 6.71 6.91 3.74 5.54 8.43

Error i 0.12 0.15 -0.03 0.11 0.20

Using Local C and D

PRED(.20) PRED(.25) PRED(.30) Yes Yes Yes Yes 80%



TDEV i 5.39 5.88 2.95 4.52 7.51

Error i -0.10 -0.02 -0.24 -0.10 0.07

PRED(.20) PRED(.25) PRED(.30) Yes Yes Yes Yes 80%




D-12-17

Tabel 13. PRED(L) untuk Jadwal Proyek Effort Prediction

Using COCOMO II.2000

Using Local C and D

PRED(.20)

80%

80%

PRED(.25)

100%

100%

PRED(.30)

100%

100%

Kedua table di atas menunjukkan hasil estimasi yang lebih akurat dengan menggunakan konstanta kalibrasi lokal terhadap proyek pengembangan aplikasi produksi minyak di PT CPI. Hal tersebut ditunjukkan dengan adanya peningkatan nilai PRED(.20), PRED(.25), dan PRED(.30) setelah menggunakan konstanta hasil kalibrasi. Sehingga dari sini untuk selanjutnya dapat disarankan untuk menggunakan konstanta hasil kalibrasi tersebut ketika akan melakukan estimasi proyek pengembangan aplikasi produksi minyak di PT CPI pada masa-masa yang akan datang. Kalibrasi dari konstanta A, B, C dan D dari model COCOMO II terhadap lingkungan / parameter pengembangan lokal adalah suatu proses yang sangat penting, sebab hasil dari kalibrasi ini dapat menjadi masukan yang sangat bermanfaat pada proses perencanaan pengembangan sebuah aplikasi dan juga pada aspek menejemen praktis yang bersifat kuantitatif, misalnya dalam hal manajemen sumber daya manusia (human resource management). Analysis Faktor Penyebab Untuk melihat faktor penyebab yang paling besar pengaruhnya dalam proyek pengembangan aplikasi produksi minyak di PT CPI, perlu dilakukan analysis dari datadata proyek untuk setiap phase lifecycle dari aktivitas pengembangan aplikasi. Table 14 adalah hasil pengumpulan data untuk setiap phase CPDEP dan Tabel 15 ditampilkan dalam persentase dari jadwal aktifitas-aktifitas CPDEP tersebut. Tabel 14. Data Koleksi Jadwal untuk Setiap Phase CPDEP No.

Project Name (i)

1 PIMS 2 PTS 3 BMOC 4 LAS 5 DMDR

Description Crude oil surface facility Project Information Management System Crude oil Production performance Tracking System Bekasap crude oil suface facility Management Of Change UNIX LAS format automatic loading Dumai Production Daily Report

CPDEP Assess Opp. + Select Develop Alternatives Execute Alternatives Start End Start End Start End 1-Nov-02 1-Jan-03 1-Jan-03 27-Feb-03 27-Feb-03 30-Apr-03 1-Dec-01 21-Jan-02 21-Jan-02 1-Jul-02 20-Jul-02

20-Jul-02

1-Jun-02 12-Jul-02

12-Jul-02

1-Oct-96

N/A

N/A

15-Apr-02

15-Apr-02 30-May-02

15-Aug-02 15-Aug-02 25-Oct-02 31-Jul-02 N/A

31-Jul-02 29-Oct-02 N/A

29-Apr-97


D-12-18

Tabel 15. Data Koleksi Jadwal (%) untuk Setiap Phase CPDEP dan Waterfall No.

Project Name (i)

1 PIMS 2 PTS 3 BMOC 4 LAS 5 DMDR

Description Crude oil surface facility Project Crude oil Production performance Tracking System Bekasap crude oil suface facility Management Of Change UNIX LAS format automatic loading Dumai Production Daily Report Average

CPDEP Assess Opp. Develop Alt. + Select Alt. 34% 32% 28% 47%

Waterfall Design

Execute

Plan & Req.

34% 25%

15% 14%

Progr'ming + Intgr& Test 21% 64% 21% 65%

16%

22%

61%

14%

21%

65%

27%

13%

60%

14%

21%

65%

N/A 26%

N/A 28%

N/A 45%

N/A 14%

N/A 21%

N/A 65%

Dari data tersebut dapat dilihat faktor yang memberikan pengaruh / persentase yang paling besar adalah pada tahap Execute pada metode CPDEP atau pada tahap Programming + Integration and Testing pada metode Waterfall. Bila data-data tersebut dikaitkan kembali dengan faktor pendorong biaya (cost driver) yang sudah diuraikan di atas, maka dapat ditarik sebuah kesimpulan bahwa faktor sumber daya manuasia (personnel) merupakan faktor yang memberikan pengaruh yang cukup signifikan terhadap hasil estimasi dengan menggunakan model COCOMO II. Oleh karena itu parameter-parameter yang penting untuk diperhitungkan dengan lebih hati-hati atau lebih akurat dalam memasukkan ke dalam model COCOMO II adalah ACAP, PCAP, PCON, APEX (AEPX), PLEX, LTEX. Pekerjaan Selanjutnya Data-data proyek pengembangan aplikasi yang sudah selesai, belum banyak yang dapat dikumpulkan. Pada intinya tidaklah mungkin menyusun kembali milestones dari proyek-proyek yang sudah selesai tersebut sesuai dengan yang ada pada COCOMO II secara detail aktivitas per aktivitas. Hal inilah yang menjadi salah satu kendala besar di dalam mengumpulkan data untuk keperluan kalibrasi lokal konstanta COCOMO II.2000. Pengkondisian data (data conditioning) [2] adalah hal esensial berikutnya dalam proses pengumpulan dan analysis data untuk keperluan kalibrasi yang dimaksud. Walaupun sudah diusahakan secara optimal untuk mendapatkan data yang baik dan akurat, tetap saja ada beberapa hal yang mungkin menyimpang yang mungkin dikarenakan persepsi yang berbeda. Bila hal ini terjadi maka hasil kalibrasi yang diperoleh akan bias dan dapat memberikan arah kesimpulan yang tidak akurat. Oleh karena itu proses pengkondisian data sangatlah kritikal. Berikut ini adalaha beberapa hal yang dapat menjadi sumber dari kontaminasi data (data contamincation) [2] dalam proses pengumpulan data tersebut:  Definisi dari suatu terminologi yang tidak konsisten  Cakupan yang kurang tepat  Penghitungan ganda atas beberapa parameter masukan  Merata-ratakan penilaian dari suatu group ke bagian-bagian sub-sistem  Masuk sampah, keluar sampah (garbage in, garbage out), misalnya asumsiasumsi yang tidak tepat  Pengamatan yang bias, misalnya kecenderungan orang per orang dalam melakukan estimasi ada yang terlalu optimis tapi ada juga yang terlalu pesismis. Untuk itu diperlukan aturan-aturan untuk proses pengkondisian data tersebut, misalnya [2]: _____________________________________________________________________________ ISBN : 979-99302-0-0 Prosiding Seminar Nasional Manajemen Teknologi I 25-26 Pebruari 2005 Program Studi Magister Manajemen Teknologi Institut Teknologi Sepuluh Nopember

D-12-19

    

Definisi terminologi yang jelas, berikan contoh-contoh Prosedur untuk mengecek konsistensi data Pengumpulan data langsung dari sumber utamanya Penyaringan data (data screening) Wide-band Delphi, gunakan lebih dari satu orang atau satu model untuk melakukan estimasi  Formulir pengumpulan data yang on-line  Sensitif data harus dijaga dengan ketat Analysis atas faktor-fakto pendorong biaya (cost drivers) yang paling besar pengaruhnya dalam perhitunga estimasi usaha proyek dan jadwal proyek juga perlu dilakukan lebih dalam dan lebih terinci lagi. Kesimpulan Sebelum menggunakan model COCOMO II dalam sebuah organisasi, sebaiknya terlebih dahulu dilakukan kalibrasi terhadap konstanta A, B, C, dan D dari model tersebut. Dengan melakukan kalibrasi konstanta A, B, C dan D tersebut, dan selanjutnya digunakan dalam model COCOMO II tersebut untuk melakukan estimasi pada proyekproyek pengembangan aplikasi minyak di PT CPI berikutnya, maka akan dapat diperoleh angka estimasi dari suatu proyek pengembangan aplikasi dengan akurasi yang lebih baik. Beberapa hal yang diperlukan untuk dapat memperoleh hasil kalibrasi dengan akurasi yang lebih baik dan konsisten antara lain:  Data historical dari proyek-proyek terdahulu dengan jumlah yang cukup memadai  Proses pengumpulan data (data collection) dan pengkondisian data (data conditioning) yang baik  Proses pengembangan aplikasi yang mempunyai standard dan dikontrol dengan baik


D-12-20

Daftar Pustaka PT Caltex Pacific Indonesia Intranet Web-site, Project Management, Technical Support Team. http://www.ptcpi.com/cpipm/ Boehm, Barry W, at all, Software Cost Estimation with COCOMO II, Prentice Hall PTR, 1st edition, January 15, 2000 Clark, Brad, Calibration of COCOMO II.2003, 17th International Forum on COCOMO and Software Cost Modeling University of Southern California Los Angeles, CA October 22-25, 2002 Sunita Devnani-Chulani, Bradford Clark, Barry Boehm, Calibrating the COCOMO II Post-Architecture Model, Center for Software Engineering, Computer Science Department, University of Southern California Sunita Devnani-Chulani, Incorporating Bayesian Analysis to Improve the Accuracy of COCOMO II and Its Quality Model Extension, Center for Software Engineering, Computer Science Department, University of Southern California Park, Jung-Won, Software Cost Estimation and COCOMO II, Univ. of Southern Cal. (USC), Center for Software Engineering (CSE) Boehm, B.W., Abts, C., Clark, B., and Devnani-Chulani. S., COCOMO II Model Definition Manual Version 2.1, Center for Software Engineering, University of Southern California, 2000 Pressman, Roger S., Ph.D, Software Engineering: A Practitioner’s Approach, 5th Edition, The McGraw-Hill Companies Inc., 2001 M. Page-Jones, The Practical Guide to Structured Systems Design, Yourdon Press, New York, NY, 1980. Lee, Samuel et. al., Software Cost Estimation, Department of Computer Science, University of Calgary http://sern.cpsc.ucalgary.ca/~bowen/621/ COCOMO suite, Center for Software Engineering, University of Southern California http://sunset.usc.edu/research/cocomosuite/index.html Conversion tables for SLOC/UFP http://www.spr.com/products/SPR%20Programming%20Languages%20Table% 20-%202003.pdf Sugiyono, Prof. DR., Statistika untuk Penelitian, Penerbit CV Alfabeta Bandung, Cetakan ketujuh, Januari 2005


KALIBRASI KONSTANTA COCOMO II UNTUK PROYEK PENGEMBANGAN APLIKASI PRODUKSI MINYAK DI PT CALTEX PACIFIC INDONESIA

Recommend Documents