Dataset Software Defect Prediction di NASA Repository)" ARYA RAHMAT INKA DHARMAWAN - 16150058 Primary Author IEDAM FARDIN ANSHORI,S.KOM Editor MAXY ARY, S.SI., S.KOM M.KOM Editor mixed material bibliography Universitas ARS Universitas ARS 2019 - 2020 id Indonesia

Skripsi

Perangkat lunak menjadi perantara utama yang sangat diperlukan oleh setiap manusia dalam penunjang aktifitas sehari-hari. Kecacatan dari perangkat lunak merupakan hal yang sering terjadi dan menjadi kendala, sehingga perlu diadakannya pengujian software dalam mengurangi tingkat kecacatan, akan tetapi proses pengujian kecacatan pada software sangat membutuhkan biaya yang besar, dalam meminalisir biaya pengujian, maka diperlukan bantuan penelitian tentang data mining untuk melakukan prediksi kecacatan suatu software. Peneitian ini menggunkaan 12 data set dari NASA Repository yang di klasifikasikan menggunakan model yang digunakan pada penelitian ini adalah model random forest dengan menggunkan teknik filterisasi resample. Hasil yang didapatkan pada penelitian ini adalah berupa nilai akurasi dan kurve AUC dimana nilai akurasi tertinggi terdapat pada dataset PC 2 dengan nilai akurasi sebesar 99,06%, sehingga dapat dikatakan jika algoritma random forest dengan menggunkan teknik resample merupakan metode yang tepat jika digunakan dalam klasifikasi dataset software defect prediction yang diambil dari NASA Repository Sistem Informasi Software Defect Prediction Resample Random Forest ROC AUC NONE Digital Library ARS University Perpustakan Online ARS University 116 / S1.SI.SKP / 2019 - 2020 S01822K Sistem Informasi 116 / S1.SI.SKP / 2019 - 2020 1.Kata Pengantar 2.Abstrak 3.BAB I 7.BAB V 8.Daftar Pustaka 9.Jurnal COVER.PNG.PNG 5819 2020-02-02 23:54:30 2020-02-02 23:55:13 machine generated