Deteksi Kejadian

Even Perangkat Lunak (Software Event)

Ketika sebuah even (kejadian) diasosiasikan dengan sebuah fungsi program, dapat dikatakan bahwa sistem tersebut berkolerasi dengan perangkat lunak (software event). Kejadian jenis ini terjadi saat suatu program mencapai tingkat eksekusi tertentu (misalnya ketika operasi I/O dimulai).

Prinsip deteksi even perangkat lunak adalah dengan melakukan pemasukan kode-kode khusus (seperti kode jebakan, kode pancingan) dalam tempattempat spesifik pada sistem operasi.

Even Perangkat Keras (Hardware Event)

Ketika sebuah even (kejadian) diasosiasikan dengan perangkat keras (hardware event), deteksi dilakukan berdasarkan penampakan suatu sinyal tertentu dalam sirkuit-sirkuit sebuah komponen sistem. Banyak even perangkat keras dapat dikenali melalui perangkat lunak, karena even-even tersebut disertai dengan sejumlah modifikasi lokasi memori yang merupakan even perangkat lunak.

a.      Sistem Relasional

Proses pengukuran adalah proses untuk mengasosiasikan symbol dengan suatu obyek berdasarkan properti obyek tersebut. Asosiasi tersebut harus dapat dinyatakan sebagai suatu pemetaan hubungan empiris terhadap hubungan formal.

Sistem relasional (Roberts, 1979) dapat direpresentasikan dengan tuple :

dimana A adalah obyek yang tidak kosong dan Ri adalah relasi pada A. Untuk beberapa kasus S dapat saja tidak terdefinisikan dengan baik.

Sistem Relasi Empiris

Dalam sistem relasi empiris, A adalah obyek tidak kosong dari sistem yang akan diukur. Ri adalah ki-ary dalam relasi empiris pada A dengan i = 1, ..., n, Sebagai contoh, relasi empiris "sama dengan” or "lebih kompleks dari". Oj , j = 1, ... , m adalah operasi biner pada obyek empiris A yang akan diukur.

Kita mengasumsikan untuk sistem relasional empiris A haruslah dapat menentukan interpretasi empiris untuk elemen A dan untuk setiap relasi Si dari A. Kita juga mengasumsikan sama untuk operasi biner. Sistem relasi empiris mendeskripsikan bagian dari kenyataan yang dibawa dalam proses pengukuran (melalui set terhadap obyek A) dan pengetahuan empiris pada atribut obyek yang akan kita ukur (melalui pengumpulan relasi empiris Ri). Tergantung pada atribut yang akan kita ukur kita dapat menggunakan relasi yang berbeda.

Operasi biner dapat menunjukkan kasus pada obyek yang dioperasikan secara ternary. Ini sangat penting pada setiap sistem empiris yang tidak mengandung eferensi untuk mengukur atau pun angka tertentu. Hanya bentuk "kualitatif" yang ditegaskan untuk mendasari pemahaman terhadap atribut yang kita pilih (Brian, 1996) . Statemen ini dapat ditranslasikan ke dalam relasi formal yang dijelaskan di bawah ini.

Formal Relational Sistem

Dalam formal relational system, B adalah obyek formal yang diset dengan himpunan tidak kosong, sebagai contoh angka vektor, Si , i = 1 , ... , m, adalah relasi ki-ary pada B serupa dengan "lebih besar sama dengan " or "sama dengan" or "lebih besar". Pk , k = 1, ..., m, sangat dekat dengan operasi biner pada B yang dikenai operasi penambahan dan perkalian.

Formal relational sistem mendeskripsikan (melalui set B) domain dari pengukuran untuk mempelajari atribut dari suatu obyek. Misalnya, pada sistem ini bisa berupa integer, real, vector dari integer, dan sebagainya. Formal relational sistem juga mendeskripsikan (melalui pengumpulan relasi Sis) relasi yang menarik di antara bagian-bagian yang diukur tersebut.

Hubungan anatara relasi empiris sistem disusun berdasarkan pengukuran

seperti di bawah ini :

Mengukur μ adalah memetakan (Zuse, 1990)

kemudian yang demikian itu diikuti dengan penggabungan semua i = 1, ... , n; j = 1, ... , m untuk semua a, b, a1i, ..., aki elemen A; It yields for every empirical object element A a formal object (measurement value) μ(a) element B.

dan

maka tripple(A, B, μ) disebut skala

Kuantitas

Nilai Kuantitas (Value of quantity (VIM))

Besaran kuantitas suatu bagian yang terdapat pada unit pengukuran yang dijabarkan dalam angka.

Proses untuk mendefinisikan kuantitas, unit dan skala tertentu. Salah satu level untuk mempertimbangkan suatu pengukuran. Deskripsi nilai yang diukur belum valid tanpa menspesifikasikan kuantitas yang daiukur tersebut.

Nilai Hasil ukuran (Measured value (MV))

Numerik yang dihasilkan dari aplikasi yang menggunakan metode pengukuran tertentu untuk melakukan pengukuran obeyek dalam kuantitas tertentu.

Salah satu karakteristik nilai hasil pengukuran adalah traceablity. Ini berarti bahwa property hasil pengukuran atau nilai standar yang dapat dibandingkan dengan standar referensi nasional maupun internasional didapat dengan melalui perbandingan yang berkesinambungan yang dapat dilakukan.

Definisi traceability membutuhkan evaluasi pada suatu ketidakpastian. Untuk pengukuran pada Teknologi informasi, ketidakpastian sangat sulit untuk didefenisikan karena terlalu sedikit kuantitasnya. Metode statistik tidak dapat begitu saja mengaplikasikannya.

Jadi, pada prinsipnya Kuantitas akan menunjuk ke "atribut dari suatu fenomena, tubuh atau isi yang dapat dibedakan secara jumlah tertentu”. Oleh karena itu kuantitas membutuhkan spesifikasi, properti yang jelas berbeda untuk diukur.

Metrologi

Ilmu yang mempelajari tentang pengukuran dan termasuk di dalamnya semua aspek, teori dan praktek pada lingkup keilmuan maupun tenknologi

Dalam bidang teknologi informasi, siapa saja dapat didefinisikan dan menetapkan bit-bit informasi tanpa melakukan pengukuran terhadap devais tersebut. Tidak ada definisi yang tepat. Pencarian literatur tentang metrik IT dan peproses pengukuran menghasilkan beberapa ratus ribuan entri, semuanya berbicara tentang metrik yang meliputi kualitas, ukuran, kompleksitas atau kinerja dan mekanisme pemilihan, namun amat sedikit yang berdiskusi soal dasar-dasar fundamental dalam pengukuran.

2. Penyajian Pengukuran

Representasi Teori Pengukuran

Pengukuran disebut valid jika dapat mencapai kondisi dapat direpresentasikan . Kalau hal itu ditangkap dalam dunia matematik, perilakunya harus dapat dirasakan dalam dunia empiris. Untuk pengukuran yang berkarakteristik atribut yang valid, semua hubungan empiris harus dinyatakan dalam sistem relasi numerik. Atau dengan kata lain pengukuran harus homogen dalam satu bentuk tertentu. Kondisi representasi data harus dapat menghubungkan antara relasi empiris dengan relasi numerik dalam dua arah (Fenton, 1994 ).

Pernyataan yang dihasilkan dari suatu pengukuran akan berarti jika kebenaran atau atau ketidakbenaran tidak berubah dalam transformasi yang diizinkan. Admissible transformation ini adalah transformasi dari suatu bentuk representasi yang valid ke representasi valid yang lain.

Pengukuran langsung pada atribut yang dimiliki biasanya dilakukan dengan memahami atribut tersebut secara intuitif (Fenton, 1994). Pemahaman ini membawa kita dalam mengidentifikasi relasi empiris antara entitas yang ada. Himpunan entitas C, secara bersama dengan himpunan relasi entitas R, sering disebut sistem relasi empiris (C, R) untuk atribut. Seperti atribut “lebar” orang-orang akan memberikan relasi empiris seperti “sama tinggi dengan”, “lebih tinggi dari”, “jauh lebih tinggi”

Harus pula kita perhatikan pemahaman intuitif untuk atribut Q pada obyek untuk mengukur secara lanjut tugas-tugas numerik yang diberikan kepadanya. Pemahaman intuitif ini mencari karakteristik pada relasi empiris R melalui himpunan C dari obyek yang terukur tersebut. (model formal obyek). Himpunan C dan R diketahui sebagai sistem relasi empiris untuk atribut Q. (Fenton, 1992)

Teori Representasi

Jumlah pekerjaan yang terdapat pada proses pengukuran harus dapat menunjukkan hasil observasi relasi empiris dengan baik. Harus dalam bentuk pemetaan homomorfik atau isomorfik dari bentuk empiris untuk memilih sistem numerik. Akan tetapi, teroema ini kurang begitu berguna dalam suatu latihan prakiraan, sejak empiris sistem tersebut menjadi tidak terbatas dan tidak dapat dibuat dalam numerik. Setiap sistem empiris harus selalu mendapatkan system numerik untuk dapat melayani pengukuran tersebut.

Teori Unik

Pengukuran adalah unik untuk setiap level transformasi. Teori ini dapat dibuktikan dengan melihat bentuk pembuktian formal terhadap semua relasi numerik yang ekuivalen kepada semua relasi empiris untuk semua bentuk pemetaan yang diizinkan dari sistem empiris dalam numeric atau sistem pengukuran.

Kondisi Representasi

Untuk mengukur suatu atribut, yang dikarakteristikkan oleh system relasi empiris (C, R) membutuhkan pemetaan M untuk berubah menjadi sistem relasi numerik (N, P). Khususnya, pemetaan M entitis dalam C ke angka (atau simbol) dalam N, dan kemudian relasi empiris dalam R dipetakan ke relasi numerik dalam P, dengan cara inilah semua relasi empiris dapat dipertahankan. Metode yang disebut kondisi representasi, dan pemetaan M disebut representasi. Kondisi representasi menegaskan korespondensi antara relasi numerik dan relasi empiris dalam dua cara. Misalnya, sebagai contoh relasi biner < akan dipetakan oleh M ke relasi numerik <. Lalu secara formal kita memiliki :

Kondisi Representasi : 

Kemudian seandainya C adalah himpunan orang dan R memiliki relasi "lebih tinggi dari". Pengukuran M dari tinggi akan memetakan C dalam suatu himpunan bilangan real R dan "lebih tinggi dari" ke relasi >. Representasi akan menegaskan A lebih tinggi dari B, jika M(A) > M(B).

Setiap obyek yang dipetakan dalam nilai B, misalnya, akan diukur dalam pengukuran m(a). Setiap relasi empiris Ri dipetakan dalam relasi formal Si. Sebagai contoh, relasi “lebih komples dari”, antara dua program dipetakan ke dalam relasi ">" di antara pengukuran kompleksitas yang dilakukan untuk dua macam program. Relasi formal harus dapat mempertahankan arti pernyataan empiris. Sebagai contoh lagi andai R1 adalah relasi empiris "lebih kompleks dari", S1 adalah relasi formal dari ">", dan m adalah pengukuran kompleksitas. Maka kita perlu menyatakan program P1 lebih kompleks dari program P2 jika dan hanya jika m(P1) > m(P2)

Dengan konteks di atas, konsep properti dapa dilihat sebagai suatu karakteristik properti, untuk setiap konsep pengukuran (seperti rumpun pengukuran), sistem relasi formal.Properti ini mempertahankan korespondensisistem relasi empiris ketika sistem relasi formal diperoleh.

Tetapi, himpunan properti dari konsep tersebut tidak sepenuhnya mengkarakterisikkan system relasi formal. Untuk aplikasi pengukuran tertentu, beberapa properti akan spesifik bekerja dalam lingkungan dan model (yang ditangkap dari sstem relasi empiris).

3. Skala dan Transformasi

Skala pengukuran dapat kita nyatakan sebagai suatu aturan tertentu dalam pengukuran untuk memudahkan pengambilan nilai.

Teori pengukuran sebagai prinsip dasar memiliki banyak jenis skala pengukuran, seperti nominal, ordinal, interval, rasional dan setiap pengambilan informasi akan menjadi bagian yang paling dahulu diperhatikan. Skala nominal meletakkan item dalam kategori tertentu. Skala ordinal memilih tingkatan-tingkatan item dalam antrian.

Interval dari skala didefinisikan sebagai jarak antara satu poin ke poin lainnya, yang harus sama. Untuk skala ordinal properti ini tidak tersedia, begitu juga untuk perhitungan mean-nya. Jadi, pada dasarnya tidak ada poin absolut dalam skala interval ini.

Skala harus berisi banyak informasi dan fleksibel dalam skala rasio seperti derajat nol mutlak, rasio pemeliharaan dan mengizinkan analisis dari pengalaman yang ada.

Kategori Skala :

•       Simbol (nominal data)

•       Numerik (ordinal, interval, dan ratio absolute)

Petimbangkan sistem relasional empiris :

Terdiri dari himpunan program {P1, P2, P3} dan relasi >> (lebih besar dari). Lalu jika P1 >>P2 dan P2 >>P3, skala akan memetakan P1 ke nilai yang lebih besar dari nilai pada pemetaan P2 dan memetakan P2 ke nilai yang lebih besar dari nilai pemetaan P3. Maka :

Pemetaan Skala :

Statemen yang menyangkut pengukuran menyatakan : akan lebih berarti jika kebenaran tidak berubah ketika suatu skala diterapkan untuk menggantikannya. Ini yang disebut dengan transformasi yang dapat diterima. Jadi tipe skala pengukuran yang didefinisikan dalam operasi matematis harus memiliki arti yang jelas dari data pengukuran.. Setiap pengukuran dapat ditransformasikan ke skala lain dengan pemetaan satu persatu. Ini membuat pengukuran lain :

Defenisi dari transformasi yang dapat diterima

Berikan (A, B, μ) sebagai skala. Pemetaan :

g : A → A

adalah transformasi yang dapat diterima, jika (A,B,g,μ) juga skala.

Skala Nominal (skala paling rendah).

Skala ini digunakan untuk fitur yang bersifat kualitatif. Skala ini menunjukkan kesamaan atau ketidaksamaan. Ini memungkinkan untuk menentukan suatu obyek masuk ke kelas yang mana Contoh : nomor registrasi.

Skala ini tidak menangkap setiap konsep yang dapat dihasilkan dari atribut, hanya entitas yang diklasifikasikan saja. Transformasi yang diizinkan adalah transformasi one to one. Contoh : Mengukur tinggi hanya menangkap orang yang memiliki tinggi yang sama, pemetaan yang dilakukan hanya termasuk atau tidak termasuk, sering disebut metode kategori. Transformasi yang diizinkan :

dimana f adalah sebuah fungsi one to one.

Skala Ordinal

Skala ini tidak menangkap setiap konsep yang dapat mempengaruhi atribut, hanya meletakkan atribut tersebut dalam perintah kuantitas atribut. Contoh : pengukuran tinggi akan menangkap relasi “lebih tinggi dari”. Fitur lainnya dalam skala ini adalah seperti : 'lebih besar dari', 'lebih kecil dari', 'sama dengan'. Skala Ordinal mengizinkan pembuatan median dan system rangking pada koefisien yang berhubungan. Contoh : rangking pada pembagian rapor di sekolah, klasifikasi kapasitas penggunaan mesin.

Transformasi yang diizinkan untuk pengukuran nominal adalah fungsi monotonic increasing. Ini akan menjaga hubungan berdasarkan rangking pada masing-masing obyek. Ini sering disebut pula sebagai ordered categories. Tidak ada konsep jarak antara masing-masing obyek. Transformasi yang diizinkan :

f dalah fungsi monotonically increasing. Skala ini memerlukan kombinasi adjacent classes

Skala Interval

Skala ini memberikan setiap transformasi linier yang positif. Jadi tidak hanya menentukan rangking tapi juga perbedaan antara interval obyek tersebut. Proses aritmatik mean dan standar deviasi dapat dihitung secara pasti. Contoh : skala temperatur pada Fahrenheit, Celsius, Reamur.

Skala ini menggunakan unit pengukuran namun tidak memiliki nol derajat mutlak. Sistem ini menangkap tidak hanya setiap konsep yang dapat mempengaruhi atribut, tapi juga dugaan jarak antara entitas yang mempengaruhi atribut tersebut. Contoh : Tahun ini pengukuran temperature dalam skala 100 derajat dan Fahrenheit.

Tidak hanya relasi yang diminta tapi juga jarak antara obyek yang didapatkan dari unit yang ekuivalen Transformasi yang diizinkan :

Skala Rasio (Skala yang harus diketahui dengan baik)

Skala ini mengizinkan transformasi untuk setiap fungsi yang sama (f' =u.f, u real, u > 0). Unit yang berarti, harus digunakan dalam skala dan dalam nilai absolut atau nilai nol mutlak yang memungkinkan. Operasi yang diizinkan dalam skala ini adalah termasuk hasil bagi, perhitungan presentasi, nilai mean dan standar deviasi. Contoh : panjang, massa, waktu, sudut, volume, temperatur dalam kelvin dan harga.

Skala ini hampir sama dengan skala interval, namun memiliki derajat nol mutlak. Disebut skala rasio karena keberadaan nol membuat berarti mengambil berdasarkan rasio. Contoh : panjang dalam sentimeter. 0 cm berarti tidak ada panjang dan dalam saat yang sama cm adalah unit yang sah. Ini akan membentuk karakteristik proporsional seperti dua adalah banyak atau setengah itu banyak.

Transformasi yang diizinkan :

 

Skala Absolut (Skala paling baik).

Pengukuran mutlak akan menghitung jumlah yang terjadi pada atribut yang diukur. Pengukuran absolut pada suatu atribut itu unik, misalnya hanya transformasi yang diizinkan saja yang merupakan fungsi identitas. Skala absolut digunakan untuk transformasi untuk setiap fungsi identitas (f' = f). Tipe skala ini merepresentasikan semua skala yang samar atau tidak tegas. Karena hanya transformasi identitas saja yang diperbolehkan, semua tetap tidak berbeda. Contoh frekuensi dan probabilitas.

Skala real jika diklasifikasikan pada transformasi yang dapat diterima :

Aplikasi teknik statistik dalam pengukuran skala sangatlah penting. Mengukur kecenderungan utama dan penyebarannya dapat dibuat dalam skala dengan menyediakan proses transformasi. Kita dapat menggunakan mode dan dsitribusi frekuensi untuk menganalisa data nominal yang dideskripsikan namun kita tidak dapat menggunakan nilai mean dan daviasi standar. Dengan

skala ordinal, urutan data yang diukur kita dapat menggunakan kategori tertentu seperti median, maksimum, dan minimum analisis. Tapi untuk data dalam bentuk interval atau rasio tertentu, kita menggunakan mean, deviasi standar dan deviations dan mode statistik lainnya (Briand and Basili, 1996).

Skala dan Struktur grup Matematik :

Kesederhanaan (banyaknya upaya yang dibutuhkan untuk mendefinisikan metrik, pengumpulan data dan validasi model).:

Nominal < Ordinal < Interval < Ratio

4. Proses Pengukuran

Adalah Suatu fungsi informasi yang dapat diperoleh melalui monitor dan biaya pengukuran.

Kegunaan pengukuran

1.      Menaksir (assessment)

2.      Memprediksi (prediction)

Tipe pengukuran

•       Pengukuran langsung (direct measurement) dari atribut tidak tergantung pda atribut lainnya, contoh : pengukuran panjang, lebar.

•       Pengukuran tidak langsung (Indirect measurement) pengukuran satu atau lebih atribut, mengukur reabilitas.

•       Pengukuran Proxy percobaan pengukuran properti dari suatu obyek secara tidak langsung menggunakan properti lainnya yang lebih mudah didapatkan. Memerlukan pendekatan prediksi dari properti real. Pengukuran Proxy harus dapat mendemontrasikan : reliabilitas dan validitas (Harrison, 1994)

Kriteria Pengukuran

•       Obyektif. Pengukuran dilakukan lewat pendekatan yang obyektif, tidak subyektif menggunakan semua tester yang mungkin dilakukan.

•       Reliabilitas. Pengukuran realibel (stabil dan presisi) jika dalam pengulangan yang dilakukan dalam kondisi yang sama, juga didapatkan hasil yang sama.

•       Validitas, pengukuran valid jika hasil pengukuran memenuhi karakteristik kualitas.

•       Normalisasi. Normalisasi diperlukan untuk dapat memiliki skala hasil pengukuran dapat direpresentasikan dengan mudah. Ini berhubungan dengan skalabilitas.

•       Mudah dibandingkan. Pengukuran mudah dibandingkan ketika diatur suatu relasi ke pengukuran lainnya.

•       Economis. Pengukuran harus memiliki biaya yang rendah. Tergantung pada derajat otomatisasi dan nilai pengukuran, yang biasanya digunakan untuk pemilihan penggunaan perangkat bantu jenis tertentu.

•       Berguna. Mudah dibuktikan dengan validitas, dan amat berguna dalam evaluasi kualitas

Analisis untuk mencapai tujuan evaluasi kinerja

1.      Analisis makroskopis

Analisis untuk menentukan indeks global seperti massa median, waktu respon median, pemanfaatan device peripheral dan sebagainya.

2.      Analisis mikroskopis

Analisis dengan detail yang lebih tinggi, seperti menentukan peningkatan kontribusi setiap jenis instruksi bagi penggunaan CPU, menganalisis jumlah page yang dimasukkan selama waktu yang tersedia.

Faktor yang membedakan dua jenis analisis ini adalah durasi fenomena yang diamati dan frekuensi kejadian saat itu.

Tingkat pengujian dalam proses implementasi suatu sistem

•       Pengujian bagian (modul) ; pengujian pada level modul.

•       Pengujian integrasi ; pengujian pengelompokan logis dari modul-modul tersebut.

•       Pengujian Sistem ; pengujian keseluruhan sistem baru dengan mengikutsertakan pemakai sistem.

•       Pengujian penerimaan ; pengujian khusus oleh pemakai sistem semua komponen perancangan, termasuk manual, dokumentasi dan metode sosialisasi.

•       Pengujian operasi dan lingkungan ; pengujian saat pengoperasian system baru dilakukan pada lingkungan yang sesungguhnya.

Properti Pengukuran

Axiomatika yang harus selalu ada agar pengukuran dapat berguna :

•       Harus memungkinkan untuk dideskripsikan, walau tidak formal, aturannya menentukan. Ada mekanisme yang mengurangi kesalahan dan pengukuran pada obyek atau proses yang sama harus diletakkan pada kelas yang sama.

•       Pengukuran harus dapat membuat paling tidak dua kelas yang ekuivalen.

•       Relasi yang sama dibutuhkan.

•       Jika terdapat jumlah nilai yang tidak terbatas dari obyek atau even telah diukur, bisa jadi dua atau lebih even tersambung pada kelas ekuivalen yang sama, karena itu kita dapat mengukur jumlah yang tidak terbatas dari obyek.

•       Metrik harusnya tidak menghasilkan suat ketidaknormalan, metric harus dapat menjaga suatu obyek tetap sama dengan sifat empirisnya.

•       Teorema yang unik harus dapat mempertahankan semua kemungkinan transformasi pada semua tipe skala. Maka hanya ada satu bentuk antara perubah dalam struktur pengukuran.

Kegunaan Pengukuran

Secara dasar pengukuran digunakan untuk :

•       Penilaian Keadaan (menaksir)

•       Memprediksi, tentang atribut yang belum terjadi.

Reliabilitas Pengukuran :

•       akurasi

•       dapat diulang

Faktor reabilitas adalah :

•       Konsistensi internal, semua elemen pengukuran harus ditaksir dalam konstruksi yang sama dan r\tidak saling berhubungan.

•       Stabilitas, nilai yang ekuivalen harus didapatkan pada koleksi yang diulang dari data dalam lingkup yang sama.

Contoh hasil pengukuran

5. Pengukuran danMetrik

Metrik merupakan karakteristik numerik atribut sederhana seperti panjang, banyak keputusan, banyak operator (untuk program) atau banyak bug yang ditemukan dan waktu (untuk proses)

Mengukur adalah salah satu fungsi metrik yang dapat digunakan untuk menaksir atau memprediksi atribut yang lebih kompleks seperti biaya dan kualitas. Pengukuran tidak selalu nilai yang real. Defenisi dari pemetaan numerik tidak hanya diterapkan dalam pengukuran. Setiap pengukuran adalah metrik tapi tidak berlaku sebaliknya. (Harrison, 1994). Oleh karena itu kita harus mengetahuo apa yang kita ukur sebelum membuat pemetaan numeric tersebut. (Fenton, 1994).

Metrik adalah fungsi m, mendefinisikan pasang obyek x,y yang di antara keduanya memiliki jarak pengukuran m(x, y). Properti Metrik antara lain (Fenton, 1994) :

1.      m(x , y) = 0, untuk semua x,

2.      m(x , y) = m(y, x) for all x, y dan

3.      m(x, z) =gt m(x,y) + m(y,z) untuk semua x, y, z.

Tipe metrik (Bieman et al., 1991):

·         Metrik internal software : mengukur karakterisrik statik atau atribut dari dokumen perangkat lunak.

·         Metrik external software : mengukur karakteristik atau atribut secara simultan antara atribut dari dokumen perangkat lunak dan apa saja yang berada di luar dokumen tersebut.

·         Metrik prediktif software : mengestimasi karakteristik atau atribut dari dokumen perangkat lunak yang tidak aktif atau karena alasan tertentu menjadi tidak tersedia pada saat dilakukan pengukuran.

Metrik digunakan sebagai (Daskalantonakis, 1992):

·         Proses metric

·         Produk metric

·         Proyek metric

Metrik :

·         Token based metric

·         Control-Flow metric

·         Data-flow metric

·         Macro metric

·         Problem metric

Langkah-langkah membuat software metrik :

·         Spesifikasikan domain untuk metric

·         Spesifikasikan atribut dokumen yang akan diukur oleh metric

·         Spesifikasikan model untuk dokumen software. Modelnya harus mewakili atribut obyek. Dengan kata lain dapat menyatakan abstraksi atribut tersebut.

·         Definisikan pemetaan dokumen untuk diset pada model.

·         Definisikan order untuk di set pada model tersebut.

·         Definisikan jawaban untuk order yang didefiniskan tersebut.

·         Definisikan fungsi dari setting model untuk menjawab order tadi. Fungsi ini harus bisa memelihara order tersebut.

Metrik Yang berdayaguna, adalah metrik yang :

·         Mudah dimengerti dan didefinisi, dalam memfasilitasi kalkulasi dan analisis nilai metrik yang konsisten.

·         obyektif (Mungkin dilakukan) dalam mengurangi pengaruh dari perkiraan personal dalam mengkalkulasi dan menganalisis nilai metrik.

·         Biaya yang efektif dalam mendapatkan roi(return on investment) yang positif. Nilai informasi yang dihasilkan harus melampaui biaya untuk mengumpulkan data, mengkalkulasi metrik dan analisa niali tersebut.

·         informatif dalam memastikan perubahan nilai metrik memiliki interpretasi yang benar (misalnya dalam mengestimasi meningkatnya akurasi suatu proyek, amat berimlikasi terhadap teknik estimasi yang digunakan).

Proses Mengukur :

·         Definisi tujuan pengukuran

·         Pembuat tugas pengukuran berdasarkan tujuan pengukuran.

·         Menentukan obyek pengukuran.

·         Tentukan metrik pengukuran dan skala pengukuran

·         Alokasi metode pengukuran dan alatbantu pengukuran untuk mengukur obyek dan metrik.

·         Menemukan nilai pengukuran.

·         Interpretasi metrik.

Dalam orientasi tujuan pengukuran, identifikasi tujuan pengukuran dan karakteristik penting yang akan diukur haruslah ada sebelum mendefinisikan metrik. Ini tidak hanya dibutuhkan untuk definisi metrik, tapi juga sebagai bahan untuk membuat interpretasi nilai yang akan diukur tersebut.

Validasi Metrik.

Validasi perangkat lunak metrik adalah proses memastikan metric dalam karakteristik numerik yang tepat dari atribut yang dimaksud.

Proses validasi metrik membutuhkan metode ilmiah – yaitu dengan hipotesa yang membentuk pengumpulan data yang benar, dan percobaan hipotessi tersebut. (Fenton, 1991).

·         Validasi Content (isi), dibutuhkan dalam definisi domain, untuk mencatat fenomena yang terdapat pada kompleksnya perangkat lunak tersebut.

·         Validasi Prediksi, menggunakan pengukuran untuk mempredeksi keluaran dari beberapa even. Validasi ini dihasilkan oleh hubungan antara pengukuran dan kriterianya.

·         Validasi konstruksi, melihat sedekat apa hubungan antara pendefinisian operasi pada data dengan pembuatan konstruksi abstraknya.

Sumber : http://journal.mercubuana.ac.id/data/BAB%202%20-%20Teknik%20Pengukuran.pdf