MANAJEMEN RISIKO PADA MODEL ESTIMASI BIAYA PERANGKAT LUNAK

Abstract

Sebuah pengembangan proyek perangkat lunak dikatakan berhasil apabila sistem tersebut dapat diselesaikan tepat waktu, sesuai dengan biaya dan kualitas yang diinginkan. Proses memperkirakan besarnya biaya yang dibutuhkan disebut estimasi biaya Perangkat Lunak (PL). Beberapa model telah digunakan dalam melakukan estimasi biaya PL, baik berupa model algorithmic, model non-algorithmic, ataupun hibridasi antara model-model tersebut. Terdapat tiga model estimasi biaya yang digunakan dalam penelitian ini yaitu hibridasi dari Constructive Cost Model (COCOMO) II dengan logika fuzzy, algoritma fuzzy-genetic, dan neuro-fuzzy. Ketiga model tersebut memiliki tingkat kesalahan yang kecil dibandingkan dengan model estimasi biaya PL yang lain. Dalam proses estimasi biaya PL, masalah ketidakpastian merupakan sebuah risiko yang sering terjadi. Secara global, RAND Corporation mengidentifikasi tiga tipe ketidakpastian dan menyediakan panduan mengenai risiko yang mungkin terjadi beserta cara memitigasi risiko dalam proses estimasi biaya PL. Kontribusi pertama penelitian ini adalah mendapatkan kandidat risiko yang spesifik terhadap model estimasi biaya PL. Kandidat risiko diperoleh dengan melakukan penyesuaian secara top-down dan bottom-up. Daftar kandidat risiko yang diperoleh kemudian dipetakan dengan ketiga model estimasi biaya PL. Kontribusi kedua dari penelitian ini adalah mendapatkan cara mitigasi risiko model estimasi biaya PL.