Konversi dari IFPUG FPA ke COSMIC: Persamaan dalam Perusahaan vs Persamaan dari Luar Perusahaan
Mikail Ahmad Fa'iq Al-Fattah
Di dunia pengembangan perangkat lunak yang terus berubah, mengukur ukuran proyek perangkat lunak adalah aspek kunci dalam mengelola proyek dengan efektif. Salah satu metode yang telah digunakan secara luas untuk mengukur ukuran proyek adalah Analisis Titik Fungsi (Function Point Analysis/FPA), yang diperkenalkan oleh IFPUG (International Function Point Users Group). Namun, seiring dengan perubahan kebutuhan bisnis dan industri, banyak organisasi perangkat lunak mulai mempertimbangkan migrasi dari FPA ke metode pengukuran yang lebih baru, yaitu COSMIC (Common Software Measurement International Consortium).
Pertanyaannya adalah, bagaimana kita dapat melakukan migrasi ini dengan akurat dan efisien? Apakah lebih baik membangun persamaan konversi dalam perusahaan atau mengandalkan persamaan yang telah ada dari luar perusahaan? Dalam artikel ini, kita akan menjelajahi hasil penelitian terbaru yang memberikan wawasan berharga tentang perbandingan antara konversi dalam perusahaan dan konversi dari luar perusahaan.
Konversi dalam Perusahaan: Keunggulan Akurasi
Penelitian terbaru telah mengungkapkan bahwa penggunaan persamaan konversi dalam perusahaan memiliki keunggulan signifikan dalam hal akurasi pengukuran. Metode ini melibatkan pengumpulan data dari aplikasi dalam perusahaan dan membangun persamaan konversi berdasarkan data tersebut. Hasil penelitian menunjukkan bahwa persamaan konversi dalam perusahaan cenderung memberikan estimasi yang lebih akurat daripada persamaan dari luar perusahaan.
Metode Penelitian dan Evaluasi
Dalam penelitian ini, metode validasi silang (cross-validation) digunakan untuk mengukur akurasi hasil prediksi dari model konversi. Penelitian ini membagi dataset asli menjadi subset pelatihan dan validasi, yang memungkinkan untuk menguji sejauh mana persamaan konversi memprediksi ukuran COSMIC dengan akurat.
Data Pelatihan dan Pengujian
Untuk konversi dalam perusahaan FPA-COSMIC, penelitian ini menggunakan dua set pelatihan yang berbeda, satu dengan 5 aplikasi dan yang lainnya dengan 10 aplikasi. Aplikasi yang tersisa digunakan sebagai set pengujian. Selain itu, untuk konversi dari luar perusahaan, digunakan set data eksternal sebagai set pelatihan, dan set pengujian yang sama digunakan untuk perbandingan.