PENGARUH SOFTWARE METRIK PADA KINERJA KLASIFIKASI CACAT SOFTWARE DENGAN ANN

  • Achmad Zainudin Nur ULM
  • Mohammad Reza Faisal
  • Friska Abadi
  • Irwan Budiman
  • Rudy Herteno
DOI: https://doi.org/10.20527/jdsse.v1i01.5
Kata Kunci: Prediksi cacat software, Artificial Neural Network, Area Under Curve, NASA MDP, Cross Validation

Abstrak

Prediksi cacat software memiliki peran penting pada kualitas software. Penelitian ini menggunakan 12 dataset D”dari NASA MDP yang selanjutnya dilakukan seleksi fitur terhadap kategori metrik software. Seleksi fitur dilakukan untuk mengetahui metrik software mana yang berpengaruh dalam melakukan prediksi cacat software. Setelah dilakukan seleksi fitur terhadap kategori metrik software, akan dilakukan klasifikasi dengan menggunakan algoritma Artificial Neural Network serta divalidasi dengan 5-Fold Cross Validation. Lalu dilakukan evaluasi dengan Area Under Curve (AUC). Dari 12 dataset D” NASA MDP yang dilakukan evaluasi dengan AUC, dataset PC4, PC1, dan PC3 yang mendapatkan nilai performa AUC terbaik. Dengan nilai masing-masing adalah 0.915, 0.828, dan 0.826 dengan menggunakan algoritma Artificial Neural Network.

Diterbitkan
2020-06-29
##submission.howToCite##
Zainudin Nur, A., Mohammad Reza Faisal, Friska Abadi, Irwan Budiman, & Rudy Herteno. (2020). PENGARUH SOFTWARE METRIK PADA KINERJA KLASIFIKASI CACAT SOFTWARE DENGAN ANN. Journal of Data Science and Software Engineering, 1(01), 33-42. https://doi.org/10.20527/jdsse.v1i01.5
Terbitan
Vol 1 No 01 (2020)
Bagian
Artikel