Penilaian Kualitas Perangkat Lunak Pada Perangkat Lunak web Server
iii
Segala puji bagi Allah SWT yang telah melimpahkan rahmat dan hidayah-nya
sehingga penulis dapat menyelesaikan skripsi dengan judu
l “Penilaian Kualitas
Perangkat Lunak pada Perangkat Lunak Web Server’’ sebagai ssal
ah satu syarat
untuk mencapai gelar kesarjanaan pada program studi Teknik Informatika di
Universitas Komputer Indonesia. Shalawat serta salam semoga senantiasa tercurah
kepada junjungan nabi besar Muhammad SAW beserta seluruh keluarga dan
sahabatnya. Dalam penyelesaian skripsi ini telah banyak pihak yang membantu
penyusunan baik secara langsung maupun tidak langsung, baik secara moril maupun
materi. Sebagai rasa hormat dan ucapan terima kasih penulis sampaikan kepada:
1.
Kedua orang tua penulis yang selalu memberikan motivasi dan semangat
kepada penulis setiap saat, serta untuk adik dan seluruh keluarga penulis yang
memberikan dorongan semangat dan doa tiada henti.
2.
Bapak Irfan Maliki, S.T., M.T selaku dosen wali yang telah banyak membantu
dalam masa pekuliahan penulis
3.
Bapak Irawan Afrianto, S.T., M.T. selaku ketua prodi teknik informatika
4.
Bapak Alif Finandhita S.Kom. sebagai dosen pembimbing
yang telah
memberikan arahan dan berbagi ilmu yang berhubungan dengan penelitian
yang dilakukan oleh penulis.
5.
Bapak Adam Mukharil Bachtiar S.Kom., M.T. selaku dosen penguji kesatu
yang telah hadir pada saat acara sidang dan semoga juara terus dalam ajang
kompetisi nasional maupun internasional.
(2)
iv
membantu dalam memperoleh data seputar penelitian yang telah dilakukan.
8.
Teman-teman seperjuangan di IF-4 angkatan 2010, khususnya pada
Deadline-Man, Cusa Danhar, Rizki Yansyah, Sugiono, Herdiawan, Pras, Adam
Hermawan, Hendri Susanto, Lutfi Adiya
9.
Teman-teman kostan TUISDA-42b yang selalu mendukung dalam susah sedih
senang bahagia dalam pembuatan skripsi ini
Penulis sadari bahwa dalam penelitian ini masih terdapat kekurangan baik dari
pembahasan maupun pengetikan yang kurang baik, dan masih jauh dari
kesempurnaan.
Penulis berharap semoga skripsi ini dapat berguna dan bermanfaat bagi para pembaca
dan pihak lain yang ingin menggali lebih dalam lagi terkait penelitian yang penulis
lakukan.
Akhir kata sekali lagi penulis ucapkan mohon maaf atas segala kekurangan dan
kesalahan yang terdapat pada tugas akhir ini.
Wassalamualaikum Wr. Wb.
(3)
v
KATA PENGANTAR ...iii
DAFTAR ISI ...v
DAFTAR GAMBAR ...ix
DAFTAR TABEL ...x
DAFTAR LAMPIRAN
………..
xviii
BAB I PENDAHULUAN ...1
I.1 Latar Belakang Masalah ...1
I.2 Rumusan Masalah ...2
I.3 Maksud dan Tujuan ...2
I.4 Batasan Masalah ...2
I.5 Metodologi Penelitian ...3
I.5.1 Metode Pengumpulan Data ...3
I.5.2 Metode Pembangunan Faktor Kualitas Perangkat Lunak ...3
1.6 Sistematika Penulisan...5
BAB II LANDASAN TEORI ...7
II.1 Kualitas Perangkat Lunak...7
II.2 Domain Perangkat Lunak ...7
II.3 Perangkat Lunak
Web Server
...8
(4)
vi
II.4.1 Model ISO-9126 Eksternal ...10
II.4.2 Model ISO-9126 Quality In Use ...29
II.5 Pengukuran ...33
II.6 Kuesioner ...33
II.7 Rata-rata (Mean) ...33
II.8 Metode Pembobotan ...34
II.9 Metode Keputusan ...35
BAB III ANALISIS FAKTOR KUALITAS PERANGKAT LUNAK ...37
III.1 Analisis Faktor Kualitas ...37
III.1.1 Analisis Masalah ...37
III.1.2 Analisis Perangkat Lunak Web Server ...37
III.1.3 Analisis Faktor Kualitas Perangkat Lunak Web Server ...39
III.1.4 Analisis Kebutuhan Pengguna Pada Perangkat Lunak
Web Server ...44
III.2 Pembentukan Kriteria Berdasarkan Faktor Kualitas ...44
III.2.1 Kriteria Faktor Kualitas Perangkat Lunak Web server ...45
III.2.1.1
Common Gateway Interface
...45
III.2.1.2
Reverse Proxy
...46
III.2.1.3
Virtual Host
...47
III.2.1.4
Secure Socket Layer
...47
III.2.1.5
Personal Home Page
...48
(5)
vii
III.2.3 Pembentukan Pertanyaan Berdasarkan Metrik Dari Sub-Faktor
Kualitas
Eksternal
...52
III.2.4 Kriteria Faktor
Quality In Use
...57
III.2.5 Pembentukan Pertanyaan Berdasarkan Faktor
Quality In Use
.58
III.3 Pembentukan Matrik Pertanyaan Berdasarkan Faktor Kualitas
Perangkat Lunak ...61
BAB IV PEMBUATAN HASIL KUESIONER DAN PEMBENTUKAN
MATRIKS PENILAIAN ...63
IV.1 Karakteristik Responden ...63
IV.1.1 Karakteristik Responden Berdasarkan Jenis Kelamin ...63
IV.1.2 Karakteristik Responden Berdasarkan Usia...64
IV.2 Jawaban Responden Terhadap Kualitas Perangkat Lunak Web Server ...64
IV.2.1 Jawaban Responden Berdasarkan Model Kualitas
Eksternal
...64
IV.2.1.1 Jawaban Terhadap Faktor
Functionality
...64
IV.2.1.2 Jawaban Terhadap Faktor
Reliability
...67
IV.2.1.3 Jawaban Terhadap Faktor
Usability
...69
IV.2.1.4 Jawaban Terhadap Faktor
Efficiency
...71
IV.2.1.5 Jawaban Terhadap Faktor
Portability
...72
IV.2.2 Jawaban responden Berdasarkan Model Quality In Use ...74
IV.2.2.1 Jawaban Terhadap Faktor
Effectiveness
...74
IV.2.2.2 Jawaban Terhadap Faktor
Productivity
...74
(6)
viii
IV.2.2.4 Jawaban Terhadap Faktor
Satisfaction
...75
IV.3 Perhitungan Metrik Sub-Faktor ...76
IV.4 Perhitungan Faktor ...97
III.4.1 Berdasarkan Kualitas
Eksternal
...97
III.4.1 Berdasarkan
Quality In Use
...114
III.5 Perhitungan Akhir ...117
III.5.1 Kualitas
Eksternal
...117
III.4.1
Quality In Use
...124
IV.6 Matrik Penilaian Faktor Kualitas Perangkat Lunak Web Server ...125
BAB V KESIMPULAN DAN SARAN ...127
V.1 KESIMPULAN ...127
V.2 SARAN ...128
(7)
129
DAFTAR PUSTAKA
[1]
N.F. Schneidewind, “Body of Knowledge for Software Quality Measurement,”
Computer, vol. 35, no. 2, pp. 77-83,Feb. 2002.
[2]
K. Khosravi, and Y.G. Guéhéneuc, “On Issues with Software Quality Models”,
ICFAI University Press,ch. 11, pp.218--235, January 2008.
[3]
Roger S. Pressman, Software Engineering : A Practitioner’s Approach,7th
Edition. The McGraw Hill Companies
[4] ISO/IEC TR 9126-3(new): Software engineering
–
Product quality - Part 3:
Internal metrics
[5]
[6]
[7]
[8]
Hans Vans Vliet, "Software Engineering - Principles and Practice" Wiley &Sons,
2000.
James F. Peters and Witold Pedrcyz, "Software Engineering : Engineering
Approach", Jhon Wiley & Sons, 2000.
Sugiyono. (2010). Statistika untuk Penelitian. Bandung: Alfabeta
Triantaphyllou Evangelos. 2000. Multi-criteria Decision Making Methods: A
Comparative Study. Springer
[9]
[10]
http://httpd.apache.org/docs/2.2/en/
Kusaeri
dan
Suprananto.Pengukuran
dan
Penilaian
Pendidikan.2012.
Yogyakarta: Graha Ilmu
[11] Agresti, Alan. An Introduction to Categorical Data Analysis : Second edition.
Wiley. 2007
[12] S. M. P. Prof. H. E. T Ruseffendi, Dasar-dasar penelitian & Bidang non eksakta
lainnya, Bandung: PT Tarsito Bandung. 2005.
[13]
[14]
[15]
Turban. Decision Support System and Intelligent System (Sistem Pendukung
Keputusan dan Sistem Cerdas). Yogyakarta : Andi. 2005
ISO/IEC TR 9126-2 (new): Software Engineering - Product quality- Part 2:
External metrics
ISO/IEC 9126-1(new): Software engineering
–
Product quality - Part 1: Quality
model
(8)
(9)
1
I.1.
Latar Belakang Masalah
Web Server
merupakan perangkat lunak yang memberikan layanan data
yang berfungsi menerima permintaan HTTP atau HTTPS dari klien yang dikenal
dengan web browser dan mengirimkan kembali hasilnya dalam bentuk
halaman-halaman web yang umumnya berbentuk dokumen HTML. Penggunaan paling
umum
Web Server
adalah untuk menempatkan situs web, namun pada prakteknya
penggunaannya diperluas sebagai tempat penyimpanan data ataupun untuk
menjalankan sejumlah aplikasi. Sebuah halaman situs web dapat terdiri atas
berkas, teks, gambar, video dan lain-lainya, biasanya pengguna melalui web
browser meminta layanan atas berkas ataupun halaman web yang terdapat pada
sebuah
Web Server
, kemudian server sebagai manajer layanan akan merespon
balik dengan mengirimkan halaman dan berkas-berkas pendukung yang
dibutuhkan, atau menolak permintaan tersebut jika halaman yang diminta tidak
tersedia.
Kualitas perangkat lunak dapat dinilai melalui ukuran-ukuran dan
metode-metode tertentu, penilaian kualitas perangkat lunak dapat dilakukan dengan
menggunakan salah satu dari berbagai model yang ada. Salah satu tolak ukur
kualitas perangkat lunak yang ada adalah model ISO-9126, yang dibuat oleh
International Organization for Standardization
(ISO) dan
International
Electrotechnical Commission
(IEC). Model ISO-9126 mendefinisikan kualitas
produk perangkat lunak, model, karakteristik mutu, dan metrik terkait yang
digunakan untuk mengevaluasi dan menetapkan kualitas sebuah produk
software[1]. Standar ISO-9126 telah dikembangkan dalam usaha untuk
mengidentifikasi atribut-atribut kunci kualitas untuk perangkat lunak komputer.
Metode pengukuran kualitas perangkat lunak memiliki peran yang berharga
dalam praktek rekayasa perangkat lunak[2]. Oleh sebab itu perlu dilakukan
penelitian tentang kualitas sebuah perangkat lunak dalam hal ini apakah secara
fungsionalitas sudah memberikan sesuai kebutuhan pengguna kemudian
(10)
kemudahan dalam penggunaan pada perangkat lunak tersebut. Faktor dari sisi
pengguna juga merupakan salah satu hal yang perlu diperhatikan karena dapat
memberikan penilaian terhadap kualitas perangkat lunak yang dimiliki oleh
perangkat lunak
Web Server
Apache
. Selain itu untuk mengetahui faktor mana
saja yang lebih dominan untuk dapat memenuhi kebutuhan penggunanya.
I.2.
Perumusan Masalah
Berdasarkan latar belakang di atas, maka perumusan masalah dalam
penelitian ini adalah bagaimana cara mengetahui nilai kualitas dengan melakukan
penilaian terhadap perangkat lunak dengan keterkaitannya antara perangkat lunak
dengan model ISO-9126.
I.3.
Maksud dan Tujuan
Maksud dari penelitian ini adalah membentuk faktor kualitas perangkat
lunak pada
Web Server
. Sedangkan tujuan dari penelitian ini adalah sebagai
berikut:
1.
Menentukan karakteristik dari perangkat lunak
Web Server
Apache
dan
keterkaitannya dengan model ISO-9126.
2.
Mengetahui nilai kualitas keseluruhan perangkat lunak berdasarkan model
penilaian dari penilaian terkait dengan kualitas
eksternal
dan
quality in
use.
3.
Membantu pengguna dalam menyeleksi perangkat lunak
Web Server
Apache
dari nilai faktor dan sub-faktor dalam model ISO-9126.
I.4.
Batasan Masalah
Batasan masalah diperlukan agar tidak keluar dari ruang lingkup penelitian,
adapun batasan masalah dalam penelitian ini adalah sebagai berikut :
1.
Penilaian kualitas dilakukan pada perangkat lunak
Web Server
dan
difokuskan hanya dalam
Apache
(11)
3.
Metode Keputusan yang digunakan adalah
Weighted Summation Model
(WSM)
4.
Metode Pembobotan yang digunakan adalah
Rank Order Centroid
(ROC)
I.5.
Metodologi Penelitian
Metodologi penelitian yang digunakan dalam penelitian ini adalah
metodologi penelitian kuantitatif yaitu penelitian yang didasarkan pada teori yang
telah ada sebelumnya. Metode yang digunakan dalam penulisan laporan penelitian
ini menggunakan yaitu metode pengumpulan data dan metode pembangunan
faktor kualitas perangkat lunak.
I.5.1
Metode Pengumpulan Data
Metode pengumpulan data yang digunakan dalam penelitian ini adalah
sebagai berikut :
1.
Studi Literatur
Metode pengumpulan data yang dilakukan adalah dengan mempelajari hal
yang berkaitan dengan penggunaan model ISO-9126 dan metrik penilaian
terhadap kualitas perangkat lunak dan pengumpulan data lainnya
diperoleh dari buku dan
review
jurnal.
2.
Wawancara
Pada tahapan wawancara diperlukan untuk mengajukan beberapa
pertanyaan kepada narasumber yang berhubungan langsung dengan
perangkat lunak
Web Server
Apache
.
3.
Kuesioner
Pengumpulan data dilakukan dengan cara menyebarkan kuesioner kepada
para pengguna perangkat lunak
Apache
untuk mengetahui pendapat
mereka tentang penggunaanya.
I.5.2
Metode Pembangunan Faktor Kualitas Perangkat Lunak
Untuk penilaian faktor kualitas perangkat lunak yang dilakukan pada
penelitian ini adalah sebagai berikut:
(12)
1.
Domain perangkat lunak
Pada tahap ini dilakukan penentuan domain masalah dengan cara
pemilihan perangkat lunak apa yang akan dijadikan objek penelitian.
2.
Penentuan karakteristik
Pada bagian ini penentuan karakteristik yang akan digunakan pada
penelitian lalu dilakukan analisis terhadap karakteristik perangkat lunak
yang akan digunakan.
3.
Penentuan model kualitas pada perangkat lunak
Tahap selanjutnya adalah penentuan model untuk kualitas terhadap
perangkat lunak.
4.
Pembuatan kuesioner
Tahap ini adalah untuk merancang kuesioner yang akan diajukan kepada
responden berdasarkan model faktor kualitas yang telah ditentukan.
5.
Pengajuan kuesioner
Pengajuan kuesioner dilakukan untuk mencari pendapat dari responden
yang merupakan pengguna dari perangkat lunak
Web Server
Apache
.
6.
Pengolahan data kuesioner
Setelah data diperoleh dari penyebaran kuesioner kemudian data tersebut
diolah.
7.
Analisis hasil pengolahan kuesioner
Pada tahap ini dilakukan analisis dari hasil pengolahan kuesioner dan
disesuaikan dengan model penilaian yang telah ditentukan sebelumnya
8.
Pengukuran berdasarkan model kualitas perangkat lunak
Pada tahap ini penilaian terhadap karakteristik perangkat lunak dengan
model kualitas perangkat lunak yang telah ditentukan.
9.
Pembuatan matrik hasil penilaian
Pada tahap terakhir ini dilakukan penilaian dengan menggunakan metrik
untuk mengetahui hasil penilaian terhadap kualitas perangkat lunak.
(13)
Gambar 1. Metode Pembangunan Faktor Kualitas Perangkat Lunak
I.6.
Sistematika Penulisan
Sistematika penulisan laporan penelitian untuk memberikan gambaran
umum mengenai penelitian yang akan dilakukan adalah sebagai berikut:
BAB I PENDAHULUAN
Bab ini berisi penjelasan mengenai latar belakang masalah, perumusan
masalah, maksud dan tujuan, batasan masalah, metode penelitian dan sistematika
penulisan.
BAB II LANDASAN TEORI
Membahas mengenai konsep dan teori-teori yang berkaitan dengan penelitian
yang akan dilakukan dan hal-hal lain yang digunakan dalam proses analisis
permasalahan serta tinjauan terhadap penelitian serupa yang telah dilakukan
sebelumnya.
(14)
BAB III ANALISIS FAKTOR KUALITAS PERANGKAT LUNAK
Bab ini membahas mengenai analisis terhadap perangkat lunak yang
digunakan sebagai objek penelitian dengan menggunakan model faktor yang telah
ditentukan dan juga dilakukan pembuatan kuesioner berdasarkan karakteristik dari
perangkat lunak.
BAB IV PENGOLAHAN DATA KUESIONER DAN PEMBUATAN
MATRIKS PENILAIAN
Pengolahan data kuesioner dengan menggunakan skala yang telah ditentukan
sebelumnya kemudian menguraikan pembuatan matrik penilaian berdasarkan
model faktor yang telah ditentukan.
BAB V KESIMPULAN DAN SARAN
Menjelaskan tentang kesimpulan yang diperoleh dari hasil dan pengujian
serta saran-saran untuk pengembangan model penilaian ini selanjutnya.
(15)
7
Pada pengertian yang paling umum kualitas perangkat lunak dapat
didefinisikan sebagai suatu proses yang efektif diterapkan dalam arti kata proses
perangkat lunak yang menyediakan nilai yang dapat diukur untuk mereka yang
menghasilkan dan untuk mereka yang menghasilkannya.
Beberapa organisasi, seperti ISO dan IEEE mencoba untuk membuat standar
kualitas software yang mengkombinasikan model dan mengaitkan faktor dan
sub-faktor. Beberapa penelitian juga mengusulkan metrik perangkat lunak sebagai alat
untuk mengukur
source code
program, arsitektur dan kinerja dari perangkat lunak.
Sampai saat ini proses penilaian perangkat luak tetap menjadi masalah terbuka
dengan banyak model karena belum jelas dan belum adanya kesepakatan
hubungan antara
software quality model
serta hubungan antara model dan metrik.
Pengukuran kualitas tidak hanya berfokus pada hasil akhir tetapi juga proses
pada pengukuran kualitasnya sehingga meyakinkan penilaian untuk kualitas
dengan metode yang digunakan. Hal ini akan mengarah ke penekanan yang
berbeda dari pada berfokus pada kualitas akhir.
II.2.
Domain Perangkat Lunak
Domain perangkat lunak merupakan kategori dari setiap jenis perangkat
yang ada. Menurut Roger S. Pressman, terdapat tujuh kategori mengenai jenis
domain perangkat lunak yaitu[3]:
1.
System software
merupakan sebuah program yang dibuat untuk
mendukung program lain untuk dapat digunakan. Perangkat lunak
jenis ini misalnya
compilers, editor, file management, operating
system, telecommunications processors,
dan lain-lain.
2.
Application software
adalah sebuah program yang berdiri sendiri dan
(16)
3.
Engineering/scientific software
merupakan perangkat lunak pada
domain ini biasanya ditekankan pada penggunaan algoritma.
Penggunaan perangkat lunak ini terdapat pada kebutuhan seperti
astronomi, vulkanologi, pabrik, biologi, dan lain sebagainya.
4.
Embedded software
merupakan perangkat lunak yang ditanam pada
suatu sistem. Perangkat lunak ini digunakan dalam mengatur fungsi
untuk pengguna maupun untuk dirinya sendiri.
5.
Product-line software
merupakan perangkat lunak pada domain
product-line software
dibuat untuk membantu kebutuhan pengguna
yang bersifat spesifik yang dapat digunakan oleh pengguna yang
berbeda. Contoh dari perangkat lunak pada domain
product-line
software diantaranya untuk keperluan
word processing, multimedia,
computer graphic, database management, entertainment,
dan lain
sebagainya.
6.
Web application
atau biasa disebut
webapps
adalah perangkat lunak
yang berbasis
website
. Pada perangkat lunak ini bukan hanya sekedar
menampilkan informasi berbentuk teks namun dapat juga berupa
gambar.
7.
Artificial intelligence software
merupakan perangkat lunak pada
domain ini ditekankan pada algoritma untuk dapat menyelesaikan
suatu masalah yang kompleks, yang tidak bisa diselesaikan dengan
perhitungan ataupun analisis langsung. Perangkat lunak ini seperti
untuk pengenalan pola, jaringan syaraf tiruan, robotik, dan lain-lain.
II.3.
Perangkat Lunak
Web Server
Server HTTP
Apache
atau Server Web/WWW
Apache
adalah server web
yang dapat dijalankan dibanyak system operasi seperti
Unix, BSD, Linux,
Windows, Novell Netware
serta platform lainnya yang berguna melayani dan
memfungsikan situs web. Protocol yang digunakan untuk melayani fasilitas
web/www ini menggunakan HTTP.
Apache
memiliki fitur-fitur canggih seperti
(17)
pesan kesalahan yang dapat dikonfigurasi, autentikasi berbasis basis data dan
lain-lain.
Apache
juga didukung oleh sejumlah antarmuka pengguna yang berbasis
grafik (GUI) yang memungkinkan penanganan server menjadi mudah.
Pengguna biasanya melalui aplikasi pengguna seperti peramban web,
meminta layanan atas berkas ataupun halaman web yang terdapat pada sebuah
server web kemudian server sebagai manajer layanan tersebut akan merespon
balik dengan mengirimkan halaman dan berkas-berkas pendukung yang
dibutuhkan, atau menolak permintaan tersebut jika halaman yang diminta tidak
ada. Saat ini umumnya
Web Server
telah dilengkapi pula dengan mesin
penerjemah bahasa yang memungkinkan
Web Server
menyediakan layanan situs
web dinamis dengan memanfaatkan pustaka tambahan seperti PHP dan ASP.
Pemanfaatan
Web Server
saat ini tidak terbatas hanya untuk publikasi situs
web, pada prakteknya
Web Server
banyak pula digunakan dalam
perangkat-perangkat keras lain seperti printer, router, kamera web yang menyediakan
layanan HTTP dalam jaringan local yang ditujukan untuk menyediakan perangkat
manajemen serta mempermudah peninjauan atas perangkat keras tersebut.
II.4. Model Faktor Kualitas Perangkat Lunak
Kualitas perangkat lunak dapat di nilai melalui ukuran-ukuran dan
metode-metode tertentu, serta melalui pengujian-pengujian perangkat lunak. Salah satu
tolak ukur kualitas perangkat lunak adalah ISO-9126, yang dibuat oleh
International Organization for Standardization
(ISO) dan
International
Electrotechnical Commission
(IEC). ISO-9126 mendefinisikan kualitas produk
perangkat lunak, model, karakteristik mutu dan metrik terkait yang digunakan
untuk mengevaluasi dan menetapkan kualitas sebuah produk perangkat lunak.
Standar ISO-9126 telah dikembangkan dalam usaha untuk mengidentifikasi
atribut-atribut kunci kualitas untuk perangkat lunak komputer[4].
Berikut adalah model ISO-9126 untuk faktor kualitas
Eksternal
dan
Quality
In Use
, yaitu:
(18)
II.4.1
Model ISO-9126
Eksternal
Dalam model ini dapat digunakan untuk mengukur kualitas suatu perangkat
lunak dengan mengukur dari perilaku sistem yang merupakan dari bagiannya.
Metrik eksternal hanya dapat digunakan selama tahap pengujian proses siklus
hidup dan selama tahap operasional. Berikut penjelesan beberapa faktor dan
sub-faktornya yang dari ISO-9126.
II.4.1.1
Functionality
Kemampuan perangkat lunak untuk menyediakan fungsi sesuai kebutuhan
pengguna, ketika digunakan dalam kondisi tertentu. Setiap perangkat lunak dapat
diamati sebagai berikut:
II.4.1.1.1
Suitability
Kemampuan perangkat lunak untuk menyediakan serangkaian fungsi yang
sesuai untuk tugas-tugas tertentu dan tujuan pengguna.
Tabel II-1
Suitability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Functional adequacy X = 1-A/B
A = jumlah fungsi yang terdapat masalah dalam evaluasi
B = Jumlah fungsi yang di evaluasi
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
Functional implementation completeness
X = 1-A/B
A = jumlah fungsi yang hilang terdeteksi dalam evaluasi
B = Jumlah fungsi yang dijelaskan dalam spesifikasi kebutuhan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
Functional
implementation coverage
X = 1-A/B
A = jumlah yang dilakasanakan dengan benar atau fungsi yang hilang dalam evaluasi
B = jumlah fungsi yang dijelaskan dalam spesifikasi kebutuhan.
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
(19)
Nama Metrik Pengukuran
Interpretasi Nilai Ukur
Functional specification stability
(volatility)
X = 1-A/B
A = Jumlah fungsi perubahan setelah memasuki operasi
B = Jumlah fungsi yang dijelaskan dalam spesifikasi kebutuhan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
II.4.1.1.2
Accuracy
Kemampuan perangkat lunak dalam memberikan hasil yang presisi dan
benar sesuai dengan kebutuhan.
Tabel II-2
Accuracy
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Accuracy to
expectation
X = A/T
A = jumlam kasus yang dihadapi oleh pengguna dengan perbedaan terhadap hasil yang diharapkan T = Waktu operasi
0 <= X
Semakin dekat ke 0 semakin baik
Computational Accuracy
X = A/T
A = Jumlah perhitungan akurasi yang dihadapi oleh pengguna
T = Waktu operasi
0 <= X
Semakin dekat ke 0 semakin baik
Precision X = A/T
A = Jumlah hasil yang dihadapi oleh pengguna dengan tingkat presisi yang berbeda dari yang dibutuhkan
T = Waktu operasi
0 <= X
Semakin dekat ke 0 semakin baik
II.4.1.1.3
Interoperability
Kemampuan perangkat lunak untuk berinteraksi dengan satu atau lebih
dalam sistem tertentu.
(20)
Tabel II.3
Interoperability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Data exchangeability (Data format based)
X = A/B
A = jumlam format data yang disetujui untuk ditukar dengan perangkat lunak lain atau sistem pengujian data
B = Total jumlah format data yang akan diperlukan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
Data exchangeability
(User’s success
attempt based)
X = 1-A/B
A = Jumlah kasus dimana pengguna gagal dalam pengiriman data dengan perangkat lunak atau sistem lain
B = Jumlah kasus di mana pengguna berupaya dalam pengiriman data
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
II.4.1.1.4
Security
Kemampuan perangkat lunak untuk mencegah akses yang tidak diinginkan,
menghadapi penyusup (
hacker
) maupun otorisasi dalam modifikasi data.
Tabel II-4
Security
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Access auditability X = A/B
A = Jumlah pengguna yang mengakses ke sistem data
B = Jumlah “pengguna akses ke sistem dan data” dilakukan selama evaluasi
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
Access controllability
X = A/B
A = Jumlah yang terdeteksi sebagai jenis operasi ilegal
B = Jumlah jenis operasi ilegal seperti dalam spesifikasi
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
(21)
Nama Metrik Pengukuran
Interpretasi Nilai Ukur
Data corruption
prevention
X = 1 – A/N
A = Jumlah kehilangan data terbesar yang terjadi
N = Jumlah uji coba yang menyebabkan kehilangan data
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
II.4.1.1.5
Functionality Compliance
Kemampuan perangkat lunak dalam memenuhi standar dan kebutuhan
sesuai peraturan yang berlaku.
Tabel II-5
Functionality Compliance
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Functional Compliance
X = 1 - A/B
A = Jumlah item yang mengikuti fungsi tertentu yang belum dilakasanakan selama pengujian B = Total jumlah item kepatuhan fungsi tertentu
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
Interface standard Compliance
X = A/B
A = Jumlah interface yang diterapkan dengan benar
B = Total jumlah interface yang membutuhkan pemenuhan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
II.4.1.2
Reliability
Kemampuan perangkat lunak untuk mempertahankan tingkat kinerja
tertentu, ketika digunakan dalam kondisi tertentu.
II.4.1.2.1
Maturity
Kemampuan perangkat lunak untuk menghindari kegagalan sebagai akibat
dari kesalahan dalam perangkat lunak.
(22)
Tabel II-6
Maturity
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Estimated latent fault density
X = {ABS(A1 – A2)}/B (X : perkiraan kesalahan ) ABS ()= Absolut
A1 = Jumlah kesalahan dalam produk perangkat lunak
A2 = Jumlah yang sebenarnya terprediksi dalam kesalahan.
B = Produk Ukuran
0 <= X
Hal ini tergantung pada tahap pengujian.
Pada tahap
selanjutnya lebih kecil lebih baik.
Failure density against test cases
X = A1/A2
A1 = Jumlah kegagalan terdeteksi A2 = Jumlah kasus uji yang dilakukan
0 <= X
Hal ini tergantung pada tahap pengujian.
Pada tahap
selanjutnya lebih kecil lebih baik.
Fault density X = A/B
A = Jumlah kesalahan yang terdeteksi B = Ukuran Produk
0 <= X
Hal ini tergantung pada tahap pengujian.
Pada tahap
selanjutnya lebih kecil lebih baik.
Fault removal a).X = A1/A2
A1= Jumlah kesalahan dikoreksi
A2= Jumlah yang sebenarnya terdeteksi dalam kesalahan.
b).Y = A1/A3
A= Jumlah kesalahan dalam produk perangkat lunak.
0 <= X <= 1
Semakin dekat 1.0 semakin lebih baik sebagai kesalahan yang lebih sedikit 0 <= Y
Semakin dekat 1.0 semakin lebih baik sebagai kesalahan yang lebih sedikit
(23)
Nama Metrik Pengukuran
Interpretasi Nilai Ukur
Mean time between failures (MTBF)
a).X = T1/A b).Y = T2 / A T1=Waktu operasi
T2=Jumlah waktu interval yang berturut-turut dalam mengalami kegagalan
A=Jumlah sebenarnya yang terdeteksi dalam kegagalan,( kegagalan terjadi selama waktu operasi).
0 <= X, Y
Semakin lama semakin baik, seperti waktu yang lebih
lama dapat
diharapkan anatara kegagalan
Test coverage
(Specified operation
scenario testing
coverage )
X = A / B
A=Jumlah uji kasus selama pengujiaan. B=Junlah uji kasus yang akan dilakukan untuk menutupi kebutuhan
0 <= X <= 1
Semakin mendekati 1.0 semakin lebih baik
Test maturity X = A / B
A=Jumlah uji kasus lulus selama pengujian B=Jumlah kasus uji yang akan dilakukan untuk menutupi kebutuhan
0 <= X <= 1
Semakin mendekati 1.0 semakin lebih baik
II.4.1.2.2
Fault Tolerance
Kemampuan perangkat lunak untuk mempertahankan kinerjanya jika terjadi
kesalahan perangkat lunak.
Tabel II-7
Fault Tolerance
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Breakdown avoidance X = 1-A/B
A = Jumlah kerusakan B = Jumlah kegagalan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
Failure avoidance X = A/B
A = Jumlah kegagalan terhadap uji kasus B=Jumlah kasus uji dieksekusi dari pola kesalahan.
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
(24)
Nama Metrik Pengukuran
Interpretasi Nilai Ukur
Incorrect operation
avoidance
X = A/B
A = Jumlah kegagalan terhadap uji kasus dari kesalahan
B=Jumlah kasus uji dieksekusi dari kesalahan.
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
II.4.1.2.3
Recoverability
Kemampuan perangkat lunak untuk membangun kembali tingkat kinerja
ketika terjadi kegagalan sistem, termasuk data dan koneksi jaringan.
Tabel II-8
Recoverability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Availability a).X={To/(To+Tr)}
To=Waktu untuk operasi Tr=Wakto untuk memperbaiki
A1=Total kasus yang tersedia ketika pengguna mencoba untuk menggunakannya
b).Y=A1/A2
A2=Jumlah kasus pengguna untuk menggunakan perangkat lunak selama waktu pengamatan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik, karena pengguna dapat menggunakan
perangkat lunak untuk lebih banyak waktu 0 <= Y <= 1
Semakin dekat ke 1.0 semakin baik
Mean down time X=T/N
T= Jumlah down time
N=Jumlah kerusakan yang diamati kasus terburuk atau distribusi down time
0 <X
Semakin dekat ke 1.0 semakin baik
Mean recovery time
X=Sum(T)/N
T=Waktu untuk pemulihan sistem perangkat lunak B=Jumlah kasus yang diamati sistem software masuk recovery
0 <X
Semakin dekat ke 1.0 semakin baik
(25)
Nama Metrik Pengukuran
Interpretasi Nilai Ukur
Restartability X=A/B
A=Jumlah restart yang bertemu dibutuhkan selama pengujian
B=Total jumlah restart selama pengujian
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik, karena pengguna dapat me restart dengn mudah.
Restorability X=A/B
A=Jumlah kasus restorasi yang berhasil dilakukan B=Jumlah kasus restorasi diuji sesuai dengan kebutuhan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik, karena produk lebih mampu untuk mengembangkan dalam kasus tertentu.
Restore effectiveness
X=A/B
A=Jumlah kasus yang berhasil dipublikasikan untuk mengembalikan waktu
B=Jumlah kasus yang dilakukan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik, karena proses restorasi di produk lebih efektif.
II.4.1.2.4
Reliability Compliance
Sebuah metrik
eksternal
yang mampu mengukur atribut seperti jumlah
fungsi dengan kejadian masalah keputusan, di mana produk perangkat lunak
gagal untuk mematuhi standar, konvensi atau peraturan yang berkaitan
dengan kehandalan suatu perangkat lunak.
Tabel II-9
Reliability Compliance
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Reliability Compliance
X = 1-A/B
A = Jumlah item kepuasan keandalan ditentukan yang belum dilaksanakan selama pengujian B = Total jumlah item kepatuhan keandalan ditentukan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
(26)
II.4.1.3
Usability
Kemampuan perangkat lunak untuk dipahami, dipelajari, digunakan, dan
menarik bagi pengguna, ketika digunakan dalam kondisi tertentu..
Hasil akan dipengaruhi oleh kemampuan pengguna dan karakteristik
perangkat lunak. Karena software dievaluasi dijalankan dalam kondisi eksplisit
ditentukan oleh sampel pengguna yang mewakili kolompok pengguna yang di
diindentifikasikan. Untuk hasil yang bisa diandalkan sampel pengguna setidaknya
harus memnguasai perangkat lunak tersebut, meskipun informasi yang berguna
dapat diperoleh dari kelompok-kelompok yang lebih kecil. Pengguna harus
melakukan tes tanpa petunjuk atau bantuan dari luar.
II.4.1.3.1
Understandability
Kemampuan perangkat lunak dalam kemudahan untuk dipahami. Metrik ini
dapat menilai apakah penguna baru dapat memahami, apakah software tersebut
cocok, dan bagaimana hal itu dapat digunakan untuk tugas-tugas tertentu.
Tabel II-10
Understandability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Completeness of
description
X = A/B
A =Jumlah fungsi (jenis fungsi) dipahami B = Total jumlah (jenis fungsi)
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik.
Demonstration accessibility
X = A/B
A =Jumlah demonstrasi/tutorial yang berhasil B =Jumlah demonstrasi/tutorial yang tersedia
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik.
Demonstration accessibility in use
X = A/B
A =Jumlah kasus pengguna yang berhasil ketika pengguna mencoba demonstrasi
B =Jumlah kasus pengguna mencoba untuk melihat demonstrasi selama periode pengamatan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik.
Demonstration effectiveness
X = A/B
A =Jumlah fungsi yang di operasikan berhasil B =Jumlah demonstrasi/tutorial yang di akses
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik.
(27)
Nama Metrik Pengukuran
Interpretasi Nilai Ukur
Evident functions X = A/B
A =Jumlah fungsi (jenis fungsi) yang didentifikasi oleh pengguna
B =Total jumlah fungsi yang sebenarnya
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik.
Function understand-ability
X = A/B
A =Jumlah fungsi antarmuka yang tujuanya benar
B =Jumlah fungsi yang tersedia dari antarmuka
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik.
Understandable input and output
X = A/B
A =Jumlah input dan output data item yang pengguna yang berhasil dimengerti
B =Jumlah item data input dan output yang tersedia dari antarmuka.
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik.
II.4.1.3.2
Learnability
Kemampuan perangkat lunak dalam kemudahan untuk dipelajari.
Tabel II-11
Learnability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Ease of function learning T= waktu yang dibutuhkan untuk
menggunakan fungsi dengan benar
0 < T
Semakin pendek semakin baik
Ease of learning to perform a task in use
T=Jumlah waktu operasi pengguna sampai waktu dicapai untuk melakukan tugas tertentu
0 < T
Semakin pendek semakin a=baik
Effectiveness of the user documentation and/or help system
X = A/B
A = Jumlah tugas yang berhasil diselesaikan
B =Jumlah tugas diuji
0 <= X <= 1 Semakin dekat ke 1.0 semakin baik
II.4.1.3.3
Operability
(28)
Tabel II-12
Operability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Error correction T = Tc – Ts
Tc = waktu menyelesaikan koreksi Ts = Waktu mulai koreksi
0 <= X <= 1 Semakin dekat ke 1.0 semakin baik
II.4.1.3.4
Attractiveness
Metrik
attractiveness
bisa menilai penampilan perangkat lunak. Dan akan
dipengaruhi oleh fakto-faktor seperti desain layar dan warna. Hal ini sangat
penting untuk produk konsumen.
Tabel II-13
Attractivenes
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Attractive interaction Kuesioner untuk menilai daya tarik dari
antarmuka pengguan, setelah pengguna mengunakannya
Tergantung pada metode kuesioner scoringnya
Interface appearance customisability
X = A/B
A = Jumlah elemen antarmuka
B = Jumlah antarmuka pengguna yang ingin menyesuaikan
0 <= X <= 1 Semakin dekat ke 1.0 semakin baik
II.4.1.3.5
Usability Compliance
Metrik
Usability Compliance
mampu menilai kepatuhan terhadap standar,
konvensi, panduan gaya atau peraturan yang berkaitan dengan kegunaan.
Tabel II-14
Usability Compliance
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Usability Compliance
X = 1-A/B
A = Jumlah item kepuasan kegunaan terentu yang belum dilaksanakan selama pengujian
B = Total jumlah item kepuasan kegunaan tertentu
0 <= X <= 1 Semakin dekat ke 1.0 semakin baik
(29)
II.4.1.4
Efficiency
Metrik
Efficiency
mampu mengukur atribut seperti penggunaan waktu dan
sumber daya termasuk pada sistem komputer perangkat lunak selama pengujian.
Disarankan bahwa maksimal dan distribusi waktu yang diuji untuk banyak
kasus pengujian atau operasi, karena ukuran yang kuat dipengaruhi tergantung
pada kondisi penggunaan, seperti pengolahan data, frekuensi penggunaan, dan
sebagainya. Oleh karena itu, metrik ini dapat mencakup rasio nilai aktual yang di
ukur dengan fluktual kesalahan dengan nilai yang dirancang dengan
memungkinkan berbagai kesalahan yang dibutuhkan secara spesifik..
II.4.1.4.1
Time Behaviour
Metrik
time behaviour
mampu mengukur atribut seperti perilaku pada
sistem komputer dan termasuk juga perangkat lunak selama pengujian atau
pengoperasian.
Tabel II-15
Time Behaviour
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Response time T = (Waktu untuk mendapatkan hasil) 0 < T
Semakin cepat semakin baik.
Response time (Mean time to response)
Tmean = (Ti) ∑/ N, (untuk i = 1 sampai N)
TXmean = diperlukan waktu respon rata-rata
Ti = waktu respon untuk evaluasi ke-i (shot) N = jumlah evaluasi (tembakan sampel)
0 <= X
Semakin dekat ke 1.0 dan kurang dari 1.0 lebih baik
Response time (Worst case response time ratio)
X = Tmax / Rmax
Tmax = MAX (Ti) (untuk i = 1 sampai N) Rmax = diperlukan waktu respons maksimum
MAX (Ti) = waktu respons maksimum antara evaluasi
N = jumlah evaluasi (tembakan sampel) Ti = waktu respon untuk evaluasi ke-i (shot)
0 <= X
Semakin ke 1 dan kurang dari 1 akan lebih baik
(30)
II.4.1.4.2
Resource Utilisation
Kemampuan perangkat lunak dalam menggunakan sumber daya yang
dimilikinya ketika melakukan fungsi yang ditentukan.
Tabel II-16
Resource Utilisation
Nama Metrik Pengukuran Interpretasi Nilai Ukur
I/O devices utilisation X = A/B
A = Waktu I/O dalam perangkat
B = Ditentukan waktu yang telah dirancang
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
I/O loading limits X = Amax/Rmax
Amax = MAX (Ai), (untuk i = 1 sampai N) Rmax = maksimum pesan yang diperlukan I / O
MAX (Ai) = Jumlah maksimum pesan I / O dari 1 untuk evaluasi ke-i.
N = jumlah evaluasi.
0 <= X
Semakin kecil semakin baik
I/O related errors X = A/T
A= Jumlah pesan peringatan atau kegagalan sistem
T= Penggunaan waktu operasi selama pengamatan pengguna
0 <= X
Semakin kecil semakin baik
Mean I/O fulfillment ratio
X = Amean/Rmean Amean = ∑ (Ai) / N
Rmean = diperlukan rata jumlah pesan I /O Ai = jumlah pesan kesalahan I / O untuk i th evaluasi
N = jumlah evaluasi
0 <= X
Semakin kecil semakin baik
User waiting time of I/O devices utilisation
T= Waktu yang dihabiskan untuk menuggu akhir dari perangkat I/O operasi
0 < T
Semakin kecil semakin baik
(31)
II.4.1.4.3
Efficiency Compliance
Metrik
Efficiency Compliance
yang mampu mengukur atribut seperti jumlah
fungsi, atau kejadian masalah kepatuhan yang merupakan produk software gagal
untuk mematuhi standar, konvensi atau peraturan yang berkaitan dengan efisiensi.
Tabel II-17
Efficiency Compliance
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Efficiency Compliance X = 1-A/B
(X : item rasio yang berkaitan dengan efisiensi)
A = Jumlah efisiensi yang belum dilaksanakan selama pengujian
B = Total jumlah item efisiensi yang ditentukan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
II.4.1.5
Maintainability
Metrik
maintainability
mampu mengukur atribut seperti pengolahan atau
perawatan perangkat lunak, pengguna atau sistem termasuk perangkat lunak.
Ketika perangkat lunak dipertahankan atau diubah selama pengujian atau
pemeliharaan.
II.4.1.5.1
Analysability
Metrik yang mampu mengukur atribut seperti pemeliharaan usaha atau
menghabisan sumber daya ketika mencoba untuk mengetahui kekurangan atau
penyebab kegagalan atau bagian untuk pengguna.
Tabel II-18
Analysability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Audit trail
capability
X = A/B
A = Jumlah data yang direkam selama operasi B = Jumlah data yang direncanakan untuk memantau status perangkat lunak selama operasi
0 <= X
Semakin dekat ke 1.0 semakin baik
Diagnostic function support
X = 1-A/B
A = Jumlah kegagalan yang dapat menyebabkan
0 <= X <= 1
(32)
Nama Metrik Pengukuran
Interpretasi Nilai Ukur
efek
B = Total jumlah kegagalan terdaftar
semakin baik
II.4.1.5.2
Changeability
Metrik
changeability
mampu mengukur atribut seperti upaya pemelihara
atau pengguna dengan mengukur perilaku pengelola, pengguna atau sistem
termasuk perangkat lunak ketika mencoba untuk menerapkan modifikasi tertentu.
Tabel II-19
Changeability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Change cycle efficiency Average Time : Tav = Sum(Tu) / N
Tu= Trc – Tsn
Tsn = Waktu untuk mengirim permintaan dengan laporan masalah
Trc = Waktu menerima laporan status n = Jumlah versirevisi
0<Tav
Semakin pendek lebih baik kecuali dari jumlah versi revisi itu besar
Change implementation elapse time
Average Time : Tav = Sum(Tm) / N Tm=Tout – Tin
Tout = Waktu penyebab kegagalan dengan mengubah perangkat lunak
Tin = Waktu penyebab kegagalan yang menemukan
N = Jumlah kegagalan terdaftar
0<Tav
Semakin pendek lebih baik kecuali dari jumlah versi revisi itu besar
Modification complexity T = Sum (A / B) / N
A = Kerja dihabiskan untuk mengubah B = Ukuran perubahan software N = Jumlah perubahan
0 < T
Semakin dekat ke 1.0 semakin baik
Parameterised modifiability
X=1- A / B
A = Jumlah kasus gagal untuk mengubah perangkat lunak dengan menggunakan parameter
B = Jumlah kasus untuk mengubah perangkat lunak dengan menggunakan parameter
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
(33)
Nama Metrik Pengukuran
Interpretasi Nilai Ukur
Software change
control capability
X= A / B
A = Jumlah data log perubahan
B = Jumlah data perubahan log untuk melacak perubahan perangkat lunak
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
II.4.1.5.3
Stability
Sebuah metrik
yang mampu mengukur atribut yang berhubungan dengan
perilaku yang tak terdiga dari sistem perangkat lunak ketika perangkat lunak diuji
atau dioperasikan.
Tabel II-20
Stability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Change success ratio
X = Na/Ta
Y={(Na/Ta)/(Nb/Nb)}
Na = Jumlah kasus kegagalan selama operasi setelah software berubah
Nb = Jumlah kasus kegagalan selama operasi sebelum perangkat lunak berubah
Waktu ta = Operasi selama periode observasi ditentukan setelah perangkat lunak berubah Tb waktu = Operasi selama periode pengamatan ditentukan sebelum perangkat lunak berubah
0 <= X,Y
Semakin dekat ke 1.0 semakin baik
Modification impact localisation
( Emerging failure after change)
X=A/N
A = Jumlah kegagalan muncul selama periode tertentu
N = Jumlah kegagalan diselesaikan
0<=X
Semakin dekat ke 0 semakin baik
II.4.1.5.4
Testability
Sebuah metrik yang mampu mengukur atribut seperti upaya pemelihara
atau pengguna dengan mengukur perilaku pengelola, pengguna atau sistem
termasuk perangkat lunak ketika mencoba untuk di uji.
(34)
Tabel II-21
Testability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Availability of built-in test function
X = A/B
A = Jumlah kasus sesuai buit-in fungsi tes B =Jumlah kasus peluang uji
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
Re-test efficiency X = Sum(T)/N
T = Waktu habis untuk memastikan kegagalan selesai atau tidak
N = Jumlah kegagalan selesai
0 <= X
Semakin dekat ke 1.0 semakin baik
Test restartability X = A/B
A = Jumlah kasus berhenti dan restart selama uji coba untuk memeriksa langkah demi langkah
B = Jumlah kasus jeda melaksanakan uji coba
0 <= X
Semakin dekat ke 1.0 semakin baik
II.4.1.5.5
Maintainability Compliance
Sebuah metrik yang mampu mengukur atribut seperti fungsi atau kejadian
masalah kepuasan, dimana produk perangkat lunak gagal untuk memenuhi standar
yang diperlukan, konvensi atau peraturan yang berkaitan dengan pemeliharaan.
Tabel II-22
Maintainability compliance
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Maintainability compliance
X = 1-A/B
A = Jumlah item kepatuhan yang belum dilaksanakan selama pengujian
B = Total jumlah item kepatuhan rawatan ditentukan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
II.4.1.6
Portability
Metrik
portability
dengan kemampuan mampu mengukur atribut seperti
operasi atau sistem selama pengoperasian berlangsung.
(35)
II.4.1.6.1
Adaptability
Metrik yang mampu mengukur atribut seperti perilaku sistem atau
pengguna yang mencoba untuk beradaptasi pada perangkat lunak untuk
lingkungan tertentu yang berbeda, ketika pengguna harus menrapkan prosedur
dari sebelumnya yang disediakan oleh perangkat lunak.
Tabel II-23
Adaptability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Adaptability of data structures
X = A/B
A = Jumlah data yang beroperasi dan tidak lengkap yang disebabkan oleh keterbatasan adaptasi
B = Jumlah data yang dapat beroperasi dalam lingkungan perangkat lunak yang disesuaikan
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
Hardware environmental adaptability
X = 1-A/B
A = Jumlah fungsional operasi tidak selesai atau tidak cukup selama pengujian operasi dengan hardware
B = Total jumlah fungsi yang diuji
0 <= X <= 1
Semakin dekat ke 1.0 semakin baik
II.4.1.6.2
Installability
Metrik
yang mampu mengukur atribut seperti perilaku sistem atau
pengguna yang mencoba untuk menginstal perangkat lunak dalam lingkungan
tertentu.
Tabel II-24
Installability
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Ease of installation X = A/B
A = Jumlah kasus pengguna untuk menginstal / kenyamanannya
B = Total jumlah kasus pengguna dalam instalasi
0 <= X <= 1 Semakin dekat ke 1.0 semakin baik
Ease of Setup Re-try X = 1-A/B
A = Jumlah kasus pengguna gagal selama set -
0 <= X <= 1 Semakin dekat ke
(36)
Nama Metrik Pengukuran
Interpretasi Nilai Ukur
up operasi
B = Total jumlah kasus pengguna untuk kembali mencoba setup selama set - up operasi
1.0 semakin baik
II.4.1.6.3
Co-Existence
Metrik yang mampu mengukur atribut seperti perilaku sistem atau
pengguna yang mencoba untuk menggunakan perangkat lunak dengan perangkat
lunak independen lain dalam lingkungan yang sama berbagi sumber daya umum.
Tabel II-25
Co-existence
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Available co-existence X = A/T
A = Jumlah hambatan atau kegagalan tak terduga selama operasi bersamaan dengan software lain
T = Waktu durasi bersamaan operasi perangkat lunak lain
0 <= X
Semakin dekat ke 1.0 semakin baik
II.4.1.6.4
Replaceability
Metrik yang mampu mengukur atribut seperti perilaku sistem atau
pengguna yang mencoba untuk menggunakan perangkat lunak di tempat software
ditentukan lain dalam lingkungan perangkat lunak.
Tabel II-26
Replaceability
Nama Metrik Pengukuran Interaksi nilai ukur
Continued use of
data
X = A/B
A = jumlah data yang digunakan dalam perangkat lunak lain yang akan diganti dan terus menerus digunakan
B = jumlah data yang digunakan dalam perangkat lunak lain untuk diganti dan digunakan kembali
0 <= X <= 1 Semakin dekat ke 1.0 semakin baik
(37)
Nama Metrik Pengukuran
Interaksi nilai ukur
Function inclusiveness
X = A/B
A = jumlah fungsi yang menghasilkan hasil yang sama seperti sebelumnya dan di mana perubahan tidak akan diperlukan
B = jumlah fungsi diuji yang mirip dengan fungsi yang disediakan oleh perangkat lunak lain yang akan diganti
0 <= X <= 1 Semakin dekat ke 1.0 semakin baik
User support
functional consistency
X = 1-A1/A2
A = Jumlah fungsi baru yang ditemukan pengguna dengan ekspektasi pengguna
B = Jumlah fungsi baru
0 <= X
Semakin dekat ke 1.0 semakin baik
II.4.1.6.5
Portability Compliance
Metrik yang mampu mengukur atribut seperti jumlah fungsi dengan, atau
kejadian masalah kepatuhan, di mana produk perangkat lunak gagal untuk
mematuhi standar yang diperlukan, konvensi atau peraturan yang berkaitan
dengan portabilitas.
Tabel II-27
Portability Compliance
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Portability compliance
X = 1-A/B
A = Jumlah portabilitas yang ditentukan dan belum dilaksanakan selama pengujian
B = Total jumlah portabilitas yang ditentukan
0 <= X <= 1 Semakin dekat ke 1.0 semakin baik
II.4.2
Model ISO-9126
Quality In Use
Ukuran kualitas yang digunakan harus didasarkan pada data yang
mencerminkan hasil pengguna berinteraksi dengan suatu perangkat lunak. Hal ini
memungkinkan untuk mengumpulkan data tujuan tertentu. Selain itu terdapat pula
model
quality in use
pada model ISO-9126 yang akan digunakan dalam penelitian
ini yang merupakan salah satu model kualitas berupa pandangan pengguna
(38)
terhadap sebuah perangkat lunak. Berikut beberapa faktor yang terdapat dalam
model
quality in use
diantaranya sebagai berikut :
II.4.2.1
Effectiveness
Menilai apakah tugas yang dilakukan oleh pengguna mencapai tujuan
tertentu dengan akurasi dan kelengkapan dalam konteks tertentu yang digunakan.
Tabel II-28
Effectiveness
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Task Effectiveness M1 = | 1-ƩAi |1
Ai = nilai value proporsional masing-masing komponen yang hilang atau tidak benar dalam output tugas
0 <= M1 <= 1
Semakin dekat ke 1 lebih baik.
Task Completion X = A / B
A = jumlah tugas diselesaikan B = jumlah tugas berusaha
0 <= X <= 1
Semakin dekat ke 1 lebih baik.
Error Frequency X = A / T
A = jumlah kesalahan yang dibuat oleh pengguna T = waktu atau jumlah tugas
0 <= X
Semakin dekat ke 0 yang lebih baik.
II.4.2.2
Productivity
Menilai sumber daya yang pengguna gunakan dalam konteks tertentu yang
digunakan. Sumber daya yang paling umum adalah waktu untuk menyelesaikan
tugas, meskipun sumber daya lainyang relevan dapat mencakup upaya pengguna.
Tabel II-29
Productivity
Nama Metrik Pengukuran Interpretasi Nilai Ukur
Task Time X = Ta / T
Ta = jumlah waktu yang digunakan untuk menyelesaikan tugas
T = waktu atau jumlah tugas
0 <= X
Semakin kecil semakin baik.
Task Efficiency X = M1 / T
M1 = efektivitas tugas T = tugas waktu
0 <= X
Semakin besar lebih baik.
(39)
Nama Metrik Pengukuran
Interpretasi Nilai Ukur
Economic Productivity
X = M1 / C
M1 = efektivitas tugas C = total biaya tugas
0 <= X
Semakin besar lebih baik.
Productive Proportion
X = Ta / Tb
Ta = waktu produktif =
waktu tugas - membantu waktu - waktu error - waktu pencarian
Tb = waktu tugas
0 <= X <= 1
Semakin dekat ke 1,0 lebih baik.
Relative User
Efficiency
Efisiensi pengguna relatif X = A / B
A= Efisiensi tugas atau Seorang pengguna biasa B = Efisiensi tugas atau ahli pengguna
0 <= X <= 1
Semakin dekat ke 1,0 lebih baik.
II.4.2.3
Safety
Menilai tingkat resiko terhadap pengguna, bisnis, software atau lingkungan
dalam konteks tertentu yang digunakan. Ini termasuk kesehatan dan keselamatan
baik pengguna dan mereka yang terkena dampak penggunaan serta konsekuensi
fisik atau ekonomi yang tidak di inginkan.
Tabel II-30
Safety
Nama Metrik Pengukuran Interpretasi Nilai Ukur
User health and safety
X = 1-A / B
A = jumlah pengguna melaporkan RSI (cedera yang diakibatkan dari kegiatan yang dilakukan berulang-ulang)
B = Jumlah pengguna
0 <= X <= 1
Semakin dekat ke 1 yang lebih baik.
Safety of people affected by use of the system
X = 1-A / B
A = jumlah orang menaruh di hazard
B = Jumlah orang yang berpotensi terkena dampak oleh sistem
0 <= X <= 1
Semakin dekat ke 1 yang lebih baik.
Economic damage X = 1-A / B
A = jumlah kejadian kerusakan ekonomi B = Jumlah situasi penggunaan
0 <= X <= 1
Semakin dekat ke 1 yang lebih baik.
(1)
Table 5. Results of Questionnaire Data processing-ISO 9126 Quality In Use
Faktor Metrik Processing
Results
Effectiveness Task Completion 4,37
Error Frequency 4,3
Productivity Task Time 2,77
Task Efficiency 5,47
Economic Productivity 3,27
Productive Proportion 5,63
Relative User Efficiency 3,7
Safety User health and safety 5,27
Safety of people affected by use of the system
36,3
Economic damage 0,2
Software Damage 0,13
Satisfaction Satisfaction Scale 0,87
Discretionary Usage 0,8
2.4 Weighting
Method of weighting Rank Order Centroid (ROC) is based on the degree of importance or priority of criteria. According to Jeffreys and Cockfield (2013) gives heft to the ROC technique on each criterion corresponds to rank which starts based on priority levels. To determine the rules given that is where does it weigh is the weights to the criteria as follows:
if then
Furthermore, if k is a lot of criteria, then
In general the weighting ROC can be formulated as follows.
2.5 Calculation of the Sub factors
To find the value of the sub-factor calculation is done based on the metric model of ISO-9126. For each of the metrics that will be used can be seen in the following table:
Table 6. Metric ISO 9126-External Model
Faktor Sub-faktor Metrik Functionality Suitability Functional
adequacy Accuracy Computational
accuracy Interoperability Data
exchangeability (Data format based) Security Access
controllability Reliability Maturity Failure density
against test cases Recoverability Restore effectiveness Usability Understandability Compliteness of
description
Learnability Effectiveness of the user documentation and/or help system Operability Error correction in
use Attractiveness Interface
appearance customisability Efficiency Time Behaviour Waiting time
Resource Utilization
Transmission capacity utilisation Portability Installability Ease of installation Replaceability Continued use of
data
And here are the results of the calculations for ISO-9126: External
Table 7. Calculation of Results the Sub factors External to ISO-9126
C
ha
ra
cteri
sti
cs
Sub
-F
a
kto
r
No
C
ri
teri
a
M
a
ks
V
a
lue
A
v
er
a
ng
e
Sub
-F
a
kto
r
V
a
lue
Co
mmo
n
G
a
tewa
y
Int
er
fa
ce
Accuracy 1 10 3,6 0,36
Interoperability 2 10 5,67 0,57
Maturity 3 10 3,27 0,33
Understandability 4 10 5,5 0,55
Operability 5 10 5,5 0,55
Installability 6 10 6,43 0,64
Rever
se
P
ro
x
y
Suitability 7 10 6,47 0,65
Accuracy 8 10 4,33 0,43
Maturity 9 10 2,73 0,27
Understandability 10 10 5,5 0,55
Learnability 11 100 72,3 0,72
Operability 12 10 6,27 0,63
Time behaviour 13 10 6,67 0,67
Installability 14 10 6,37 0,64 V i r Suitability 15 10 5,57 0,44
(2)
C ha ra cteri sti cs Sub -F a kto r No C ri teri a M a ks V a lue A v er a ng e Sub -F a kto r V a lue
Accuracy 16 10 3,83 0,38
Maturity 17 10 2,47 0,25
Understandability 18 10 5,83 0,58
Learnability 19 100 64 0,64
Operability 20 10 6,1 0,61
Installability 21 10 6,7 0,67
Secur e So ck et L a ye r
Suitability 22 10 5,83 0,42
Security 23 10 3,4 0,34
Maturity 24 10 4,8 0,48
Recoverability 25 15 10,8 0,72
Operability 26 30 20,5 0,68
Attractiveness 27 1 0,93 0,93
Installability 28 10 6,67 0,67
P er so na l ho me P a g e
Suitability 29 10 6,43 0,36
Accuracy 30 10 2,77 0,28
Interoperability 31 10 3,33 0,33
Security 32 10 4,37 0,44
Maturity 33 10 3,07 0,31
Understandability 34 10 5,33 0,53
Learnability 35 12 8,53 0,71
Operability 36 10 1,7 0,43
Resource
Utilization 37 4 1,7 0,43 Installability 38 10 6,2 0,62
Repleceability 39 10 4,37 0,73
For ISO-9126 Quality In Use don't have the sub factors as well as ISO-9126 External which has sub-factors of each factor is itself
Table of 8. The calculation result Metric ISO-9126 Quality In Use
M etri k No C ri teri a M a ks V a lue A v er a ge N il a i M etri k
Task Completion 40 6 4,37 0,73
Error Frequency 41 20 4,3 0,43
Task Time 42 4 2,77 0,69
Task Efficiency 43 7 5,47 0,78
Economic
Productivity 44 5 3,27 0,65 Productive
Proportion 45 7 5,63 0,80
Relative user
Efficiency 46 5 3,7 0,74
User health and
safety 47 10 5,27 0,47
M etri k No C ri teri a M a ks V a lue A v er a ge N il a i M etri k
Safety of people affected by use of the system
48 60 36,3 0,39
Economic damage 49 1 0,2 0,8
Software Damage 50 1 0,13 0,87
Satisfaction Scale 51 1 0,87 0,87
Discretionary
Usage 52 1 0,8 0,8
2.6 The calculation Factor
For calculating the Weighted Summation methods use factor models (WSM), namely to change the optimization of multi-objective optimization into single-objective. This single objective function formed from the summation of each objective function multiplied by a coefficient ai pembobot wi.
Where :
= the value of criteria = weighting criteria = the amount of data
Table 9. The results of the calculations are ISO-9126 External C ha ra cteri sti cs F ak tor Sub -F a k tor N o K r it e r ia A ve r age Sub -F a k tor V al u e W e ig h t F ak tor V al u e C om m on G at e w ay I n te rf ac
e Functio
nality
Accura
cy 1 3,6 0,36 0,25
0,52
Interop erabilit y
2 5,67 0,57 0,75
Reliabi lity
Maturit
y 3 3,27 0,33 1 0,33
Usabili ty
Unders tandabi lity
4 5,5 0,55 0,5 0,55
Operab
ility 5 5,5 0,55 0,5
Portabi lity
Installa
bility 6 6,43 0,64 1 0,64
(3)
C ha ra cteri sti cs F ak tor Sub -F a k tor N o K r it e r ia A ve r age Sub -F a k tor V al u e W e ig h t F ak tor V al u e Accura
cy 8 4,33 0,43 0,25 Reliabi
lity
Maturit
y 9 2,73 0,27 1 0,27
Usabili ty
Unders tandabi lity
10 5,5 0,55 0,11
0,68
Learna
bility 11 72,3 0,72 0,61
Operab
ility 12 6,27 0,63 0,28
Efficien cy
Time behavi our
13 6,67 0,67 1 0,67
Portabi lity
Installa
bility 14 6,37 0,64 1 0,64
V ir tu al H os t Functio nality Suitabil
ity 15 5,57 0,44 0,75
0,43
Accura
cy 16 3,83 0,38 0,25 Reliabi
lity
Maturit
y 17 2,47 0,25 1 0,25
Usabili ty
Unders tandabi lity
18 5,83 0,58 0,11
0,63
Learna
bility 19 64 0,64 0,61
Operab
ility 20 6,1 0,61 0,28
Portabi lity
Installa
bility 21 6,7 0,67 1 0,67
S e c u re S oc ke t L ay e r Functio nality Suitabil
ity 22 5,83 0,42 0,75
0,4
Securit
y 23 3,4 0,34 0,25
Reliabi lity
Maturit
y 24 4,8 0,48 0,25
0,66
Recove
rability 25 10,8 0,72 0,75
Usabili ty
Operab
ility 26 20,5 0,68 0,25
0,87
Attracti
veness 27 0,93 0,93 0,75
Portabi lity
Installa
bility 28 6,67 0,67 1 0,67
P e rs on al h om e P age Functio nality Suitabil
ity 29 6,43 0,36 0,27
0,39
Accura
cy 30 2,77 0,28 0,06 Interop
erabilit y
31 3,33 0,33 0,15
Securit
y 32 4,37 0,44 0,52 Reliabi
lity
Maturit
y 33 3,07 0,31 1 0,31
Usabili ty
Unders tandabi lity
34 5,33 0,53 0,28 0,72
Learna
bility 35 8,53 0,71 0,61
C ha ra cteri sti cs F ak tor Sub -F a k tor N o K r it e r ia A ve r age Sub -F a k tor V al u e W e ig h t F ak tor V al u e Operab
ility 36 1,7 0,43 0,11
Efficien cy Resour ce Utilizat ion
37 1,7 0,43 1 0,43
Portabi lity
Installa
bility 38 6,2 0,62 0,75
0,69
Replec
eability 39 4,37 0,73 0,25
Table Hasil Perhitungan ISO-9126 Quality In use
F ak tor M e tr ik N o K r it e r ia M ak s V al u e A ve r age N il ai M e tr ik We ig h t F ak tor V al u e Effectiven ess Task Completio n
40 6 4,3 7
0,7 3
0,7 5 0.6
5
Error
Frequency 41 20 4,3
0,4 3 0,2 5 Productivit y Task Time
42 4 2,77 0,69 0,09
0,7 8
Task
Efficiency 43 7
5,4 7 0,7 8 0,2 6 Economic Productivit y
44 5 3,2 7 0,6 5 0,0 4 Productive
Proportion 45 7
5,6 3 0,8 0 0,4 6 Relative user Efficiency
46 5 3,7 0,7 4
0,1 6
Safety
User health and safety
47 10 5,2 7 0,4 7 0,1 5 0,7 6
Safety of
people affected by use of the system
48 60 36, 3 0,3 9 0,0 6 Economic
damage 49 1 0,2 0,8
0,2 7
Software
Damage 50 1
0,1 3 0,8 7 0,5 2 Satisfactio n Satisfactio
n Scale 51 1
0,8 7
0,8 7
0,2 5 0,8
2
Discretion
ary Usage 52 1 0,8 0,8
0.7 5
(4)
2.7 The Assessment Table
Based on the assessment of the model of ISO-9126 results for the quality of the software can be seen in the following table:
Table 10. Quality Assessment
Level Type Level Value
Tidak Baik / Rendah 0 - 0,33
Baik / Menengah 0,34 – 0,67
Sangat Baik / Tinggi 0,68 - 1
2.7 Final Results
Based on the discussion of the answers of the respondents against external quality factors and the factors of quality in use on Apache web server software, then the average results obtained from processing of the respondents ' answers and then do the calculations to find the value of the sub factors against based on characteristics of software after it's done the calculations again to find the factors of value per each of the sub factors by using method of Weight Sum Model (WSM) and weighted using Rank Order Centroid (ROC). Then for the final results of the automated calculation is obtained as follows:
Table 11. Final results of the software quality ISO 9126-External
Characteristic Characteristic
Value Weight
Final Result
Common Gateway
Interface 0,58 0,04
0,70
Reverse proxy 0,65 0,26
Virtual Host 0,60 0,09
Secure Socket Layer 0,76 0,46
Personal Page Home 0,63 0,16
3.
FINISHING
Conclusion
From the calculations that have been made to the assessment of the quality of apache web server software, and the result of the calculation can be drawn the following conclusions:
1. Based on the research that has been done to come by characteristics in Apache Web Server software with dependencies with the model of ISO-9126.
2. From the results of the assessment of where these values illustrates that the Good software/medium when used for user needs either the support technically via a website in serving various types of data from text to graphics while the results of the quality
assessment in use based on where that value is very Good in terms of satisfaction of use.
3. Based on the results of research and calculations for the quality of software retrieved values so that the user knows the values of factors and sub factors in the model of ISO-9126.
3.1 Suggestion
And for the future, given the following advice:
1. To study the kinds of software are advised to choose other characteristics contained in the corresponding software.
2. To test the model of the same quality are advised to use other types of software in order to determine the extent of the model is completely meet the needs of its users.
BIBLIOGRAPHY
[1] N.F. Schneidewind, “Body of Knowledge for Software Quality Measurement,” Computer, vol. 35, no. 2, pp. 77-83,Feb. 2002.
[2] K. Khosravi, and Y.G. Guéhéneuc, “On Issues with Software Quality Models”, ICFAI University Press,ch. 11, pp.218--235, January 2008. [3] Roger S. Pressman, Software Engineering : A Practitioner’s Approach,7th Edition. The McGraw Hill Companies
[4] ISO/IEC TR 9126-3(new): Software
engineering – Product quality - Part 3: Internal metrics
[5] Hans Vans Vliet, "Software Engineering - Principles and Practice" Wiley &Sons, 2000. [6] James F. Peters and Witold Pedrcyz, "Software Engineering : Engineering Approach", Jhon Wiley & Sons, 2000.
[7] Sugiyono. (2010). Statistika untuk Penelitian. Bandung: Alfabeta
[8] Triantaphyllou Evangelos. 2000. Multi-criteria Decision Making Methods: A Comparative Study. Springer
(5)
[10] Kusaeri dan Suprananto.Pengukuran dan Penilaian Pendidikan.2012. Yogyakarta: Graha Ilmu [11] Agresti, Alan. An Introduction to Categorical Data Analysis : Second edition. Wiley. 2007
[12] S. M. P. Prof. H. E. T Ruseffendi, Dasar-dasar penelitian & Bidang non eksakta lainnya, Bandung: PT Tarsito Bandung. 2005.
[13] Turban. Decision Support System and Intelligent System (Sistem Pendukung Keputusan dan Sistem Cerdas). Yogyakarta : Andi. 2005 [14] ISO/IEC TR 9126-2 (new): Software Engineering - Product quality- Part 2: External metrics
[15] ISO/IEC 9126-1(new): Software engineering – Product quality - Part 1: Quality model
(6)