Prosiding Semnastek
PROSIDING SEMNASTEK 2017

LINEAR REGRESSION DENGAN PEMBOBOTAN ATRIBUT DENGAN METODE PSO UNTUK SOFTWARE DEFECT PREDICTION

Muhammad Rizki Fahdia (Ilmu Komputer, STMIK Nusamandiri, Jakarta)
Richardus Eko Indrajit (ABFI Institute Perbanas, Jakarta)



Article Info

Publish Date
05 Dec 2017

Abstract

Kualitas software sudah menjadi bagian yang penting dalam proses pengembangan. Karena semakin kompleksnya sebuah software  dan tingginya ekspektasi dari pelanggan. Maka saat ini biaya pengembangan software juga semakin tinggi. Oleh karena itu dibutuhkan efisiensi untuk menekan biaya pengembangan software. Salah satu cara yang bisa dilakukan yaitu dengan software defect prediction. Dengan sotware defect prediction maka dapat diketahui proyek software mana yang butuh pengecekan lebih intens. Tim test software dapat mengalokasikan waktu dan biaya lebih efektif berdasarkan hasil dari model algoritma. Metode pada riset ini menggunakan prepocessing dengan mengoptimalkan bobot atribut dengan menggunakan metode PSO yang merupakan algoritma pencarian berbasis populasi dan yang diinisialisi dengan populasi solusi acak yang disebut partikel. Berdasarkan hasil pengolaha data dengan metode preprocessing terhadap dataset NASA MDP CM1. Maka didapatkan  metode preprocessing dengan pembobotan atribut dengan metode PSO memiliki peningkatan akurasi menjadi 86.37% dari sebelumnya 85.54% dan AUC menjadi 0.827 dari sebelumnya 0.762.Kata kunci: prediksi cacat software, linier regression, feature selection, optimize weight.

Copyrights © 2017






Journal Info

Abbrev

semnastek

Publisher

Subject

Computer Science & IT

Description

Prosiding Seminar Nasional Sains dan Teknologi (SEMNASTEK) merupakan kumpulan paper atau artikel ilmiah yang telah dipresentasikan di acara Seminar Nasional Sains dan Teknologi (SEMNASTEK) yang diadakan secara rutin tiap tahun oleh Fakultas Teknik Universitas Muhammadiyah Jakarta. ...