Naive Bayes Classification untuk prediksi cacat perangkat lunak

Prastyo, Edwin Hari Agus, Suhartono, Suhartono, Faisal, Muhammad ORCID: https://orcid.org/0000-0003-4884-7254, Yaqin, Muhammad Ainul and Firdaus, Reza Augusta Jannatul (2024) Naive Bayes Classification untuk prediksi cacat perangkat lunak. JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 9 (2). pp. 782-791. ISSN 25408984

Text 19326.pdf - Published Version Available under License Creative Commons Attribution Share Alike. Download (397kB)

Abstract

Cacat perangkat lunak atau bug merupakan bagian yang tak terhindarkan dari pengembangan perangkat lunak dan dapat memiliki dampak signifikan terhadap keandalan dan kinerja aplikasi perangkat lunak. Penelitian ini bertujuan untuk meningkatkan prediksi dan pemantauan cacat perangkat lunak dalam konteks pengembangan perangkat lunak. Kestabilan sistem dan pencegahan cacat perangkat lunak menjadi hal yang sangat krusial dalam industri perangkat lunak. Untuk mencapai tujuan tersebut, berbagai tindakan proaktif seperti pengujian perangkat lunak yang ketat, pemeliharaan rutin, dan pemantauan sistem secara berkelanjutan perlu diterapkan. Masalah utama yang menjadi fokus dalam penelitian ini adalah kurangnya prediksi yang efisien terkait dengan cacat perangkat lunak selama proses pengembangan. Dalam penelitian ini, metode Naive Bayes Classification dimanfaatkan untuk mengatasi tantangan tersebut. Hasil uji coba yang dilakukan terhadap seluruh dataset menunjukkan bahwa metode Naive Bayes mampu menghasilkan klasifikasi dengan tingkat akurasi yang sangat tinggi, mencapai nilai 0,98%. Hasil ini mengindikasikan bahwa metode ini berpotensi menjadi alat yang sangat efektif dalam memprediksi cacat perangkat lunak dan mencegahnya selama proses pengembangan perangkat lunak. Selain itu, melalui analisis regresi linear, model ini memiliki nilai "Intercept" (intersepsi) sebesar -0.09359968647139849 dan koefisien "Coef" sebesar 0.00761893. "Intercept" mencerminkan titik awal atau baseline dalam prediksi model ini, sementara koefisien "Coef" mengindikasikan sejauh mana perubahan dalam variabel independen berpengaruh terhadap prediksi variabel dependen. Hasil penelitian ini memiliki dampak yang signifikan dalam konteks implementasi metode Naive Bayes untuk analisis prediksi cacat perangkat lunak, terutama dalam penggunaan bahasa pemrograman Python dengan bantuan Google Colab. Implementasi metode ini dapat membantu dalam memitigasi risiko dan meningkatkan kualitas perangkat lunak selama proses pengembangan

Item Type:	Journal Article
Keywords:	analisis data; cacat perangkat lunak; naive bayes; prediksi; python
Subjects:	08 INFORMATION AND COMPUTING SCIENCES > 0803 Computer Software > 080309 Software Engineering
Divisions:	Faculty of Technology > Department of Informatics Engineering
Depositing User:	Muhammad Ainul Yaqin
Date Deposited:	04 Jun 2024 15:10

Downloads

Origin of downloads

Actions (login required)

View Item