PENERAPAN NEURAL NETWORK UNTUK PREDIKSI KECACATAN PERANGKAT LUNAK

Abstract

Teknologi Machine Learning dapat diaplikasikan dalam berbagai bidang, antara lain untuk melakukan prediksi kecacatan perangkat lunak yang bergantung pada jumlah operator pada program, panjang source code program, kesulitan source code program, kepintaran program, estimasi time pengerjaan program. Hasil prediksi dari kecacatan perangkat lunak ini sebagai bahan evaluasi untuk bahan evaluasi bagi software engineer untuk pembuatan atau pengembangan program. Prediksi dilakukan dengan menggunakan metode neural network dengan fungsi aktivasi adalah ReLU (Rectified Linear Unit) dengan menggunakan jupyter notebook dengan menggunakan 2 cara yaitu dengan menggunakan 10 cross validation dan tanpa 10 cross validation atau neural network saja. dengan data set Jm1. Dataset ini merupakan hasil dari ekstraksi dari source code yang dilakukan pada tahun 70-an yang dilakukan oleh NASA untuk mengkarakterisasi fitur-fitur dan kode kode yang terkait dengan perangkat lunak. Didapati hasil prediksi yang dilakukan dengan menggunakan neural network terhadap kecacatan perangkat lunak sebesar 97.939329352319706% dan hasil prediksi menggunakan 10 cross validation sebesar 78,1249%. Hasil tersebut tidak selalu sama karena saat prediksi dilakukan, data tranning dan data testing selalu diacak, dengan begitu