EVALUASI PARAMETER MOOSE CK

4.1.8. Menghitung Consistency Index

Dalam perhitungan consistency index menggunakan hasil dari perhitungan lambda kemudian disubtitusikan dalam persamaan 2.1, sehingga hasil perhitungan seperti pada persamaan 4.1. CI = 1   n n  = 1 6 6 3582 . 6   = 0.0716 .....................4.1 4.1.9. Menghitung Consistency Ratio Perhitungan consistency ratio menggunakan persamaan 4.2 dengan mensubtitusikan hasil dari persamaan 4.1 dan nilai Random Index pada Tabel 2.11. Sesuai dengan Tabel 2.11 karena jumlah item yang di evaluasi ada 6 maka nilai Random Index RI = 1.24. CR = RI CI = 24 . 1 0716 . = 0.0577 Sesuai dengan konsep AHP bahwa jika consistency ratio adalah 0.1 atau kurang maka evaluasi perbandingan diatas adalah konsisten, namun apabila lebih besar daripada 0.1 maka perbandingan antara parameter harus diulang kembali. Karena nilai CR = 0.057, kurang dari 0.1 maka pembobotan parameter yang dihasilkan pada Tabel 4.6 dapat diterima.

4.2. EVALUASI PARAMETER MOOSE CK

Evaluasi parameter MOOSE CK adalah tahapan kedua dari metode pengukuran kualitas disain software lihat gambar 4.1. Pada tahap ini dilakukan perbandingan parameter MOOSE CK yang sama antar masing- masing software. Detail proses evaluasi parameter MOOSE CK seperti pada Gambar 4.3. Gambar 4.3. Proses Evaluasi Parameter MOOSE CK Sumber: Tesis Magister Teknologi Informasi, Depok: Jurnal Sistem Informasi MTI UI, Volume 5, No.1, 2007

4.2.1. Pengukuran Parameter MOOSE CK

Banyak software atau tool yang dapat melakukan pengukuran MOOSE CK. Masing-masing tool memiliki Menghitung parameter Moose CK WMC, DIT, NOC, CBO, FC, LCOM pada masing-masing framework dengan tool PHP Depend Data parameter WMC, DIT, NOC, CBO, RFC, LCOM pada masing-masing framework Perbandingan nilai parameterMOOSE CK pada masing-masing framework Mnghitung total nilai parameter MOOSE CK pada masing-masing framework Membagi rata-rata masing-masing baris Membagi masing-masing cell dengan jumlah total sesuai dengan kolom Hasil faktor evaluasi MOOSE CK pada masing-masing framework kelebihan dan kekurangan. Diantara tool yan penulis pernah coba adalah PHPUnit, CCLOC, namun yang paling baik dalam hal perhitungan adalah PHP Depend. PHP Depend adalah software metric khusus untuk bahasa pemrograman PHP. Berbeda dengan software metric lainnya, PHP Depend mendukung untuk menghitung aplikasi PHP yang berorientasi objek. Seperti inheritance, coupling, encapsulation, cyclomatic complexity dan lain sebagainya. Tool ini berbasis console, dan berjalan dalam sistem operasi linux. Instalasinya cukup mudah, kita dapat mendownloadnya lewat website resminya di www.pdepend.net. Kemudian kita mengikuti panduan instalasinya dengan benar, untuk mengeceknya apakah sudah terinstal, kita perlu mengetik pdepend –version pada console terminal linux. Setelah melalui perhitungan menggunakan PHP Depend maka didapatkan hasil sebagai berikut ini. Tabel 4.9. Jumlah class pada masing-masing framework PHP No Framework Jumlah Class 1 Yii 1082 2 CodeIgniter 136 3 CakePHP 460 4 Symfony 2102 5 Zend 2244 Sumber: Hasil Pengujian Penulis Tabel 4.9 adalah jumlah masing-masing class pada setiap framework dengan menggunakan PHP Depend. Tabel 4.10. Hasil parameter MOOSE CK pada masing- masing framework PHP Faktor Yii CodeIgniter CakePHP Symfony Zend WMC 5.6330 13.6102 17.55 8.5713 10.8395 DIT 0.7874 4.9779 2.3521 1.7093 1.5668 NOC 3.7449 9.3161 11.1717 6.5309 7.7393 CBO 5.7236 13.5220 17.1282 8.7830 11.0374 RFC 5.1007 16.2352 15.8260 7.7621 9.7486 LCOM 5.2107 12.9411 15.4260 7.8411 10.0267 Sumber: Hasil Pengujian Penulis Tabel 4.10 adalah jumlah masing-masing class pada setiap framework dengan menggunakan PHP Depend.

4.2.2. Perbandingan Nilai Parameter MOOSE CK pada Masing-

masing Software Setelah dilakukan pengukuran parameter MOOSE CK kemudian dilakukan perbandingan antara software dengan menggunakan salah satu parameter MOOSE CK. Namun seperti dijelaskan sebelumnya karena nilai parameter MOOSE berbanding terbalik dengan properti kualitas disain software, maka perbandingan tersebut perlu dilakukan inverse. Sehingga apabila framework-I. WMC = a, framework-II. WMC = b, framework-III. WMC = c, maka perbandingannya adalah sebagai berikut : Tabel 4.11. Consistency Vector WMC Framework-I Framework -II Framework -III Framework-I 1 1ab 1ac Framework –II 11ab 1 1bc Framework -III 11ac 11bc 1 Sumber: Tesis MTI UI Volume 5, No.1, 2007 Pada framework-I dibandingkan framework-II adalah b a karena kualitas berbanding terbalik dengan nilai parameter sehingga harus di inverse menjadi       b a 1 . Sedangkan untuk perbandingan framework-II dan framework-I adalah kebalikan dari       b a 1 menjadi       1 1 b a . Pada nilai-nilai yang lain memiliki kaidah yang sama. Selanjutnya kita akan memasukkan nilai sebenarnya dalam perhitungan. Tabel 4.12. Perbandingan parameter WMC pada masing- masing framework PHP WMC Yii versi

1.0.12 CodeIgniter