PENERAPAN PENERAPAN TEKNIK PSO OVER SAMPLING DAN ADABOOST J48 UNTUK MEMPREDIKSI CACAT SOFTWARE
DOI:
https://doi.org/10.51977/jti.v2i2.249Keywords:
Ketidak seimbangan kelas, Adaboost, Decision Tree J48Abstract
Perangkat lunak yang bermutu ditentukan oleh jumlah cacat yang ditemukan pada saat proses pengujian. Proses perbaikan perangkat lunak setelah terdistribusi memiliki resiko yang lebih tinggi. Beberapa metode telah diujikan untuk memprediksi cacat pada perangkat lunak. Secara umum dataset software metrics telah digunakan sebagai acuan. Dataset software metrics bersifat tidak seimbang sehingga berpengaruh terhadap tingkat akurasi pemrediksi cacat perangkat lunak. Pada tahapan pra pemrosesan, digunakan metode Particle Swarm optimization (PSO) untuk mengatasi masalah polusi data serta metode Random Over Sampling (ROS) untuk menangani ketidak seimbangan kelas pada dataset. Metode yang diusulkan pada penelitian ini yaitu algoritma decision tree J48 yang dioptimalkan dengan teknik adaboost. Dataset software metrics yang digunakan pada penelitian ini bersumber pada dataset PROMISE repository. Hasil penelitian menunjukan bahwa penggunaan teknik adaboost pada algoritma decision tree J48 layak digunakan sebagai metode untuk memprediksi cacat pada perangkat lunak dengan nilai akurasi mencapai 93,507% dan nilai AUC mencapai 0,935
Downloads
Downloads
Published
Issue
Section
License
Copyright Notice
Proposed policy for journals offering open access. The requirements for authors are as follows:
- Authors retain copyright and grant the journal the right of first publication simultaneously under a Creative Commons Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) license. This license allows others to copy and redistribute the material in any medium or format, including remixing, transforming, and building upon the material for any purpose, even commercially
- .Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their websites), such as on Garuda, Academia, ResearchGate, or other repositories, prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (see: The Effect of Open Access).
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
