MEMPREDIKSI WAKTU MEMPERBAIKI BUG DARI LAPORAN BUG MENGGUNAKAN KLASIFIKASI HUTAN ACAK

AZHAR, NUR FAJRI (2017) MEMPREDIKSI WAKTU MEMPERBAIKI BUG DARI LAPORAN BUG MENGGUNAKAN KLASIFIKASI HUTAN ACAK. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
5115201004-Master_Theses.pdf
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Pengembang perangkat lunak harus memiliki rencana dalam pengaturan biaya pengembangan perangkat lunak. Perbaikan perangkat lunak dalam fase pemeliharaan sistem dapat disebabkan oleh bug. Bug adalah kerusakan yang terjadi pada perangkat lunak yang tidak sesuai dengan kebutuhan perangkat lunak. Bug perangkat lunak dapat memiliki waktu yang cepat atau lama dalam perbaikan yang bergantung dari tingkat kesulitannya. Pengembang dapat dibantu oleh rekomendasi model prediksi dan memberikan bahan pertimbangan waktu perbaikan bug. Penelitian pada bidang model prediksi ini telah dilakukan oleh beberapa peneliti untuk memprediksi waktu perbaikan bug. Hasil yang didapatkan dari penelitian sebelumnya masih membutuhkan peningkatan akurasi. Beberapa algoritma telah diusulkan oleh para peneliti untuk dieksplorasi. Dalam penelitian ini, penulis akan menggunakan praproses penyaringan dataset, algoritma random forest untuk pembangunan pendekatan prediksi dan 10-fold cross validation untuk menghitung akurasi. Random forest digunakan karena memiliki kelebihan dalam hal akurasi jika digunakan dengan dataset berjumlah besar. Metode dalam penelitian ini memperoleh akurasi rata-rata dengan 72.55%. Metode dalam penelitian ini memiliki akurasi yang lebih baik dibandingkan dengan metode decision tree dan naïve bayes. ============================================================== Software developers must have a plan in the regulation of software development costs. Improvements in the maintenance phase of the software system can be caused by a bug. Bug is the damage caused to the software that is incompatible with the needs of the software. Software bugs can have a fast time or a long time in the corrective depends on the level of difficulty. Developers may be assisted by predictive models and provide recommendations for consideration time bug fixes. Research in the field of predictive models has been done by some researchers to predict the timing of bug fixes. The results obtained from previous studies still need to improve accuracy. Several algorithms have been proposed by researchers to be explored. In this study, the author will use preprocessing filtering datasets, random forest algorithms for the development of predictive approach and 10-fold cross validation to calculate the accuracy. Random Forests used because it has advantages in terms of accuracy when used with large amounts dataset. The method in this research obtains accuracy with a average 72.55%. The method in this study has a better accuracy than the decision tree and naïve Bayes.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Waktu perbaikan bug¸Prediksi, Hutan acak,Bug Fix-Time, Prediction, Random Forest
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Information Technology > Informatics Engineering > (S2) Master Theses
Depositing User: - NUR FAJRI AZHAR
Date Deposited: 23 Jan 2017 07:56
Last Modified: 23 Jan 2017 07:56
URI: http://repository.its.ac.id/id/eprint/2518

Actions (login required)

View Item View Item