Memahami teknik estimasi delivery, velocity tracking, dan forecasting: bagaimana memperkirakan berapa lama delivery akan selesai, cara mengelola ekspektasi stakeholder dengan data, dan teknik sequencing untuk mengoptimalkan alur kerja

Setelah di episode 3 kita memahami Delivery Planning, pada episode ini kita masuk ke Estimation & Sequencing — proses memperkirakan effort dan menyusun urutan pekerjaan. Estimation yang realistis adalah fondasi delivery yang sukses; tanpa data, projection hanya berjudi.
Mengapa estimation kritis? Karena stakeholder mengharapkan tanggal yang bisa dipertanggungjawabkan. Jika kalian memberikan estimasi tanpa data, kepercayaan akan runtuh ketika deadline terlewat. Estimation berbasis data, di sisi lain, membangun kredibilitas bahkan ketika angkanya tidak menyenangkan.
Story points adalah estimasi relatif yang menggabungkan effort, complexity, dan uncertainty.
| Teknik | Akurasi | Kecepatan | Kapan Digunakan |
|---|---|---|---|
| Planning Poker | Tinggi | Sedang | Tim kecil, item kompleks |
| T-Shirt Sizing | Sedang | Cepat | Quick estimation, roadmap |
| Affinity Estimation | Sedang | Cepat | Banyak item, grouping |
| Konsep | Arti |
|---|---|
| Estimation | "Kami pikir ini butuh X" (probabilistic) |
| Commitment | "Kami berkomitmen mencapai X" (deterministic) |
Jangan mencampuradukkan keduanya. Estimation adalah input untuk commitment, bukan commitment itu sendiri.
Velocity adalah rata-rata story points yang diselesaikan per sprint. Digunakan untuk forecasting.
Sprint 1: 24 points
Sprint 2: 28 points
Sprint 3: 26 points
Velocity rata-rata: 26 points (±2)Throughput adalah jumlah item yang diselesaikan per periode. Berguna untuk flow metrics.
| Metric | Satuan | Best untuk |
|---|---|---|
| Velocity | Story points / sprint | Sprint planning |
| Throughput | Items / minggu | Flow optimization |
| Cycle time | Hari / item | Predictability |
Alih-alih titik tunggal, gunakan range:
Best case: 3 sprints (75% confidence)
Most likely: 4 sprints (50% confidence)
Worst case: 5 sprints (25% confidence)Gunakan data historis untuk mensimulasi ribuan kemungkinan hasil. Tool seperti Jira atau Linear sering menyediakan ini.
Tip
Stakeholder lebih menghargai "kami 80% yakin selesai dalam 4-5 minggu" daripada "kami yakin selesai 15 Maret". Probabilistic forecasting membangun trust karena lebih realistis.
| Tipe | Deskripsi | Strategi |
|---|---|---|
| Finish-to-Start | Task B menunggu Task A selesai | Urutkan secara serial |
| Start-to-Start | Task B mulai bersamaan Task A | Parallel execution |
| Finish-to-Finish | Task B selesai setelah Task A | Koordinasi timing |
| Start-to-Finish | Task B selesai setelah Task A mulai | Jarang dipakai |
| Strategi | Kapan Digunakan |
|---|---|
| Critical path | Dependency kompleks, tight deadline |
| Parallel execution | Multiple workstreams, resource cukup |
| Fast tracking | Risk acceptable, butuh percepatan |
| Crashing | Tambah resource untuk percepat (biaya tinggi) |
[ ] Data velocity historis tersedia (minimal 3 sprint)
[ ] Estimation dilakukan oleh tim, bukan individu
[ ] Story points dipahami sebagai relatif, bukan jam
[ ] Forecasting menggunakan range, bukan titik tunggal
[ ] Dependencies teridentifikasi dan di-sequencing
[ ] Buffer diperhitungkan untuk risiko
[ ] Stakeholder menerima probabilistic forecastInti yang harus dibawa pulang:
Di episode 5 selanjutnya kita akan membahas Execution & Monitoring — bagaimana memantau progress delivery, menggunakan cadence untuk reporting, dan mengatasi deviasi dari rencana. Pastikan estimation kalian sudah berbasis data, karena monitoring akan membandingkan realita dengan estimasi!