Prediksi Code Defect Perangkat Lunak Dengan Metode Association Rule Mining dan Cumulative Support Thresholds

Rizal Setya Perdana, Umi Laili Yuhana

Abstract


Kualitas perangkat lunak merupakan salah satu penelitian pada bidang
rekayasa perangkat lunak yang memiliki peranan yang cukup besar dalam
terbangunnya sistem perangkat lunak yang berkualitas baik. Prediksi defect
perangkat lunak yang disebabkan karena terdapat penyimpangan dari proses
spesifikasi atau sesuatu yang mungkin menyebabkan kegagalan dalam operasional
telah lebih dari 30 tahun menjadi topik riset penelitian. Makalah ini akan
difokuskan pada prediksi defect yang terjadi pada kode program (code defect).
Metode penanganan permasalahan defect pada kode program akan memanfaatkan
pola-pola kode perangkat lunak yang berpotensi menimbulkan defect pada data set
NASA untuk memprediksi defect. Metode yang digunakan dalam pencarian pola
adalah memanfaatkan Association Rule Mining dengan Cumulative Support
Thresholds yang secara otomatis menghasilkan nilai support dan nilai confidence
paling optimal tanpa membutuhkan masukan dari pengguna. Hasil pengujian dari
hasil pemrediksian defect kode perangkat lunak secara otomatis memiliki nilai
akurasi 82,35%.


Full Text:

PDF


DOI: https://doi.org/10.24002/jbi.v6i2.408

Refbacks

  • There are currently no refbacks.


Copyright (c)