Modifikasi Metode Use Case Points Dengan Kompleksitas Data dan Risiko Untuk Mengestimasi Usaha Pengembangan Perangkat Lunak

Dewi, Renny Sari (2026) Modifikasi Metode Use Case Points Dengan Kompleksitas Data dan Risiko Untuk Mengestimasi Usaha Pengembangan Perangkat Lunak. Doctoral thesis, Institut Teknologi Sepuluh Nopember.

Text 05111960010014-Doctoral.pdf - Accepted Version Restricted to Repository staff only Download (8MB) | Request a copy

Abstract

Fenomena overestimate maupun underestimate dalam perencanaan proyek pengembangan perangkat lunak selama 3 dekade terakhir membuat banyak peneliti terus mengembangkan metode estimasi pengukuran perangkat lunak. Use Case Points (UCP), sebagai salah satu metodenya, selama tiga dekade telah mengalami banyak perkembangan dalam mengestimasi ukuran perangkat lunak. Hal ini bertujuan agar kekurangan dari metode UCP tersebut dapat diatasi dengan pendekatan penelitian yang semakin canggih dan kekinian. Salah satu pengembangan metode UCP adalah mengadopsi kompleksitas risiko dan data dalam perhitungan estimasi ukuran maupun usaha dalam software development project. Urgensi modifikasi metode UCP adalah semakin banyaknya varian tools yang disatu sisi dapat dianggap memudahkan pekerjaan manajer proyek dalam menghitung estimasi ukuran perangkat lunak, namun juga memiliki risiko yang perlu diantisipasi penanganannya. Kebutuhan modifikasi UCP dengan menambahkan kompleksitas risiko dalam perhitungan estimasi ukuran maupun usaha perangkat lunak didasari oleh fenomena kegagalan manajer proyek dalam menangani hal-hal yang tidak terduga selama proyek berlangsung. Sedangkan kebutuhan modifikasi UCP terhadap kompleksitas data karena selama ini banyak penelitian estimasi perangkat lunak hanya berfokus pada kesulitan kode program, sehingga perancangan data yang efektif bukan menjadi faktor krusial. Dalam penelitian disertasi ini, terdapat 2 pendekatan yang digunakan dalam perhitungan kompleksitas data, Common Software Measurement International Consortium (COSMIC) Function Point melalui ISO/IEC 19761:2011 yang pengukurannya berdasarkan fungsional, dan Database Complexity Index (DBCI) yang diukur menggunakan besar-kecilnya skala basis data. Penelitian disertasi ini dibagi menjadi 4 tahapan yaitu: (1) kalkulasi skor risiko pada faktor kompleksitas teknis dan lingkungan maupun manajemen proyek untuk mendapatkan nilai kompleksitas risiko, (2) perhitungan COSMIC sebagai masukan fungsional pergerakan data, (3) perhitungan DBCI sebagai masukan kompleksitas data, dan (4) integrasi model secara keseluruhan yaitu UCP, kompleksitas data (COSMIC dan DBCI), dan kompleksitas risiko. Keseluruhan tahapan ini kemudian dilakukan pengujian menggunakan teknik machine learning untuk mendapatkan model yang paling baik. Penelitian ini menghasilkan model integrasi estimasi usaha pengembangan perangkat lunak dengan memodifikasi metode Use Case Points (UCP) melalui penambahan kompleksitas risiko dan kompleksitas data. Pada modul risiko, skor risiko yang dihitung dari frekuensi kemunculan risiko meningkatkan akurasi estimasi, sedangkan pada modul kompleksitas data, dua pendekatan—COSMIC Function Points (CFP) dan Database Complexity Index (DBCI)—memberikan kontribusi berbeda terhadap peningkatan akurasi. Hasil fase integrasi menunjukkan bahwa model gabungan yang mengintegrasikan UCP yang dimodifikasi risiko (UCPRisk), CFP, dan DBCI menjadi model paling unggul dengan nilai R²=0,9784, yang merupakan capaian tertinggi dibanding seluruh model lain yang diuji. Temuan ini menunjukkan bahwa memasukkan faktor risiko serta kompleksitas pergerakan data dan struktur basis data secara simultan menghasilkan estimasi usaha proyek perangkat lunak yang jauh lebih akurat dibanding metode UCP orisinil.
===================================================================================================================================
The phenomenon of overestimation and underestimation in software development project planning over the past three decades has driven researchers to continuously develop software measurement estimation methods. Use Case Points (UCP), as one such method, has undergone significant advancements over the past three decades in estimating software size. These developments aim to address the limitations of UCP by incorporating increasingly sophisticated and contemporary research approaches. One of the key enhancements to the UCP method involves integrating risk complexity and data considerations into the estimation of software size and effort in software development projects. The urgency for modifying the UCP method arises from the growing variety of tools available—while these tools facilitate project managers in estimating software size, they also introduce risks that need to be anticipated and managed. The need for UCP modification by incorporating risk complexity into software size and effort estimation is driven by the frequent failure of project managers to handle unexpected issues throughout the project lifecycle. Meanwhile, the need to modify UCP with respect to data complexity stems from the fact that most software estimation studies have traditionally focused on the complexity of program code, neglecting the importance of effective data design as a crucial factor. This study employs two approaches in measuring data complexity: the Common Software Measurement International Consortium (COSMIC) Function Points, as defined in ISO/IEC 19761:2011, which measures software based on functional movement. Then, the Database Complexity Index (DBCI) to quantify complexity based on database scheme size. The dissertation research is structured into four stages: (1) calculating risk proportion in relation to technical, environmental, and project management complexity factors to derive risk complexity values, (2) computing COSMIC values as functional input for data movement estimation, (3) calculating DBCI as input for data complexity assessment, and (4) integrating the overall model, which includes UCP, data complexity (COSMIC and DBCI), and also risk complexity. The entire framework is then tested using machine learning techniques to determine the most optimal model. This research develops an integrated effort-estimation model for software development by modifying the Use Case Points (UCP) method through the incorporation of risk complexity and data complexity. In the risk module, risk proportions derived from the frequency of risk occurrences were used to adjust technical and environmental factors, resulting in improved estimation accuracy. In the data complexity module, two complementary approaches—COSMIC Function Points (CFP) and the Database Complexity Index (DBCI)—were utilized to quantify functional data movements and database structural complexity. The integration phase demonstrates that the combined model incorporating risk-adjusted UCP, CFP, and DBCI achieves the highest predictive performance with an R²=0.9784, outperforming both the original UCP method and the integrated models. Overall, the findings indicate that simultaneously accounting for risk factors, data movement complexity, and database structural complexity significantly enhances the accuracy and reliability of software effort estimation.

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Use Case Points, kompleksitas risiko, kompleksitas data, COSMIC, DBCI, estimasi perangkat lunak Use Case Points, risk complexity, data complexity, COSMIC, DBCI, software estimation
Subjects:	T Technology > T Technology (General) > T56.8 Project Management T Technology > T Technology (General) > T58.6 Management information systems
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55001-(S3) PhD Thesis (Comp Science)
Depositing User:	Renny Sari Dewi
Date Deposited:	02 Feb 2026 01:10
Last Modified:	02 Feb 2026 01:10
URI:	http://repository.its.ac.id/id/eprint/131549

Actions (login required)

View Item