{"title":"SOFTWARE DEFECT PREDICTION MENGGUNAKAN ALGORITMA K-NN YANG DIOPTIMASI DENGAN PSO","authors":"T. Hidayat, Ahmad Habibi, Umi Laili Yuhana","doi":"10.33005/scan.v15i1.1848","DOIUrl":null,"url":null,"abstract":"Abstrak. Untuk menjamin kualitas dari perangkat lunak, kita perlu meminimalisir defect yang terjadi pada perangkat lunak. Salah satu bidang penelitian dalam penentuan kualitas perangkat lunak adalah Software defect prediction (SDP) untuk prediksi kemungkinan terjadinya defect pada perangkat lunak yang akan dikembangkan sehingga dapat membantu pengembang untuk mengetahui apakah pada perangkat lunak yang dikembangkan berpeluang terjadi defect atau tidak sekaligus menghemat biaya. Metode yang digunakan adalah metode klasifikasi menggunakan algoritma k-NN yang dioptimasi menggunakan algoritma PSO untuk mendapatkan nilai akurasi maksimum. Dari hasil penelitian didapatkan akurasi terendah pada dataset MC2 dengan hasil 71,05% dan tertinggi pada dataset PC2 dengan hasil 99,15%. Kata Kunci: Software defect Prediction, k-Nearest Neighbor, Particle Swarm Optimization DOI : https://doi.org/10.33005/scan.v15i1.1848","PeriodicalId":408206,"journal":{"name":"SCAN - Jurnal Teknologi Informasi dan Komunikasi","volume":"85 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-02-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"SCAN - Jurnal Teknologi Informasi dan Komunikasi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.33005/scan.v15i1.1848","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1
摘要
抽象。为了确保软件的质量，我们需要最小化软件的缺陷。软件质量确定的一个研究领域是defect prediction软件(SDP)，它可以预测软件中可能出现的缺陷，从而帮助开发人员了解开发软件中是否有可能失败，并降低成本。使用的方法是使用PSO算法优化k-NN算法进行分类。研究结果为MC2的数据集获得了71.05%的最低准确率，在99.15%的PC2数据集中名列前茅。关键词:defect preprection软件，k-Nearest est Neighbor, partill swarantion DOI: https://doi.会友@ 1033005/scan.v15i1.1848
SOFTWARE DEFECT PREDICTION MENGGUNAKAN ALGORITMA K-NN YANG DIOPTIMASI DENGAN PSO
Abstrak. Untuk menjamin kualitas dari perangkat lunak, kita perlu meminimalisir defect yang terjadi pada perangkat lunak. Salah satu bidang penelitian dalam penentuan kualitas perangkat lunak adalah Software defect prediction (SDP) untuk prediksi kemungkinan terjadinya defect pada perangkat lunak yang akan dikembangkan sehingga dapat membantu pengembang untuk mengetahui apakah pada perangkat lunak yang dikembangkan berpeluang terjadi defect atau tidak sekaligus menghemat biaya. Metode yang digunakan adalah metode klasifikasi menggunakan algoritma k-NN yang dioptimasi menggunakan algoritma PSO untuk mendapatkan nilai akurasi maksimum. Dari hasil penelitian didapatkan akurasi terendah pada dataset MC2 dengan hasil 71,05% dan tertinggi pada dataset PC2 dengan hasil 99,15%. Kata Kunci: Software defect Prediction, k-Nearest Neighbor, Particle Swarm Optimization DOI : https://doi.org/10.33005/scan.v15i1.1848
求助内容：
应助结果提醒方式：
京公网安备 11010802042870号
