Struktur Function Point dan Penerapan: Studi yang Direplikasi

Struktur Function Point dan Penerapan: Studi yang Direplikasi

Lidya Nurhapsari Prasetya Ningsih

Artikel ini mengulas tentang analisis Function Point (FPA) dalam industri software. Artikel ini membahas kompleksitas menyediakan model ukuran dan prediksi upaya fungsional yang akurat di industri software. FPA adalah salah satu metrik ukuran fungsional software yang paling diterima, tetapi sulit untuk diotomatisasi dan biasanya memerlukan proses yang panjang dan mahal. 

Pada bagian analisis Function Point, dijelaskan berbagai metode pengukuran ukuran fungsional (FSM) telah diajukan untuk mengukur ukuran software berdasarkan persyaratan pengguna fungsional. FPA, yang pertama kali diajukan oleh Allan Albrecht, merupakan salah satu metode FSM yang paling banyak digunakan di industri. 

Metode ini menganalisis transaksi dan data persyaratan software yang bermakna bagi pengguna akhir yang diidentifikasi dan diklasifikasikan dalam kumpulan komponen ukuran fungsional dasar (BFC) dan dihitung sesuai dengan kriteria kompleksitas tertentu. 

Artikel tersebut juga menggambarkan studi-studi awal yang mengevaluasi struktur dan keterapanan poin fungsi sebagai ukuran ukuran software. Komponen-komponen dasar fungsional (BFC) memiliki inter-korelasi yang berarti beberapa aspek diukur lebih dari sekali, mengakibatkan pemborosan upaya pengukuran dan berpotensi memengaruhi keandalan metode pengukuran FPA.

FPA pada Proyek Bisnis 2005-2011, Evaluasi Struktur dan Keterapan dengan Data ISBSG R12

Penelitian ini bertujuan untuk mengevaluasi struktur dan keterapanan Function Point Analysis (FPA), menggunakan subset data dari International Software Benchmarking Standards Group (ISBSG R12), dengan fokus pada agregasi bukti mengenai isu internal FPA sebagai metrik dan mengkonfirmasi hasil-hasil sebelumnya menggunakan set data yang berbeda. 

Metodologi melibatkan analisis 202 proyek aplikasi bisnis dari tahun 2005 hingga 2011, dengan preprocessing dataset asli untuk memperoleh data yang tepat. Proyek-proyek tanpa semua komponen fungsional (UFP dan BFC) dari function points diabaikan, dan dua outlier dihilangkan, menyisakan total 202 proyek untuk analisis. 

Evaluasi dilakukan pada Unadjusted Function Points (UFP) dan Basic Functional Components (BFCs) untuk menentukan komponen independen yang cocok untuk model ukuran aditif, serta mengevaluasi hubungan antara ukuran dalam UFP dan BFCs dengan upaya. Model prediksi berdasarkan UFP dan BFCs juga dievaluasi untuk menentukan akurasi estimasi, menggunakan alat statistik seperti R, SPSS, dan WEKA, dengan tingkat signifikansi statistik ditetapkan pada 0.05.

Upaya dan Unadjusted Function Points, Regresi Linier dalam FPA

Analisis data menemukan hubungan positif antara upaya dan Unadjusted Function Points (UFP). Meskipun regresi linier sederhana signifikan, nilai regresi relatif rendah (R2 = 0.47 dan R2 = 0.53 untuk model non-linear). Korelasi menunjukkan bahwa Basic Functional Components (BFCs) tidak independen, menunjukkan potensi pengukuran ganda dalam beberapa aspek dan dampak potensial pada keandalan Function Point Analysis (FPA). 

Tabel dalam artikel menunjukkan korelasi antara UFP dan upaya, serta antara BFCs dan UFP. Beberapa BFCs secara signifikan berkorelasi dengan upaya, menunjukkan potensi dalam meningkatkan akurasi prediksi upaya dibandingkan hanya menggunakan UFP.

Kesimpulan

Kesimpulannya, penelitian ini menemukan bukti penting mengenai struktur dan keterapanan FPA. Hasilnya menunjukkan bahwa menyederhanakan proses pengukuran FPA dengan menghitung subset BFCs bisa memungkinkan penghematan dalam upaya pengukuran sambil mempertahankan akurasi estimasi upaya. 

Penelitian ini juga menyediakan bukti yang mendukung penggunaan beberapa BFCs tertentu untuk memprediksi upaya lebih akurat dibandingkan dengan model yang hanya berdasarkan UFP