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