SOFTWARE DEFECT PREDICTION MENGGUNAKAN ALGORITMA K-NN YANG DIOPTIMASI DENGAN PSO

Abstract

Abstrak. Untuk menjamin kualitas dari perangkat lunak, kita perlu meminimalisir defect yang terjadi pada perangkat lunak. Salah satu bidang penelitian dalam penentuan kualitas perangkat lunak adalah Software defect prediction (SDP) untuk prediksi kemungkinan terjadinya defect pada perangkat lunak yang akan dikembangkan sehingga dapat membantu pengembang untuk mengetahui apakah pada perangkat lunak yang dikembangkan berpeluang terjadi defect atau tidak sekaligus menghemat biaya. Metode yang digunakan adalah metode klasifikasi menggunakan algoritma k-NN yang dioptimasi menggunakan algoritma PSO untuk mendapatkan nilai akurasi maksimum. Dari hasil penelitian didapatkan akurasi terendah pada dataset MC2 dengan hasil 71,05% dan tertinggi pada dataset PC2 dengan hasil 99,15%.

Kata Kunci: Software defect Prediction, k-Nearest Neighbor, Particle Swarm Optimization

DOI : https://doi.org/10.33005/scan.v15i1.1848