Memprediksi Waktu Memperbaiki Bug dari Laporan Bug Menggunakan Klasifikasi Random Forest
Abstrak: 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
danmemberikan bahan pertimbangan waktu perbaikan bug.
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 dengan rentang
antara 70%- 79%. Metode dalam penelitian ini memiliki akurasi yang lebih baik
dibandingkan dengan metode decision tree, random forest, dan naïve bayes.
Penulis: Nur Fajri Azhar, dan
Siti Rochimah
Kode Jurnal: jptinformatikadd160964
