PREDIKSI CACAT SOFWARE MENGGUNAKAN ALGORITMA C4.5 BERBASIS PARTICLE SWARM OPTIMIZATION

PREDIKSI CACAT SOFWARE MENGGUNAKAN ALGORITMA C4.5 BERBASIS PARTICLE SWARM OPTIMIZATION

  • agus bahtiar STMIK IKMI Cirebon

Abstract

Penentuan metode yang tepat sangat diperlukan untuk menghasilkan akurasi prediksi cacat software yang terbaik, sehingga kualitas perangkat lunak yang diterima oleh pengguna menjadi semakin lebih baik. Pada penelitian ini penulis menggunakan Partical Swarm Optimization pada model C4.5 untuk meningkatkan akurasi prediksi cacat software. Cara yang ditempuh adalah dengan membangun model prediksi C4.5 dari dataset MDP yang dimiliki oleh Nasa. Pengujian metode ini dilakukan dengan menghitung tingkat akurasi yang dihasilkan dengan metode C4.5 dengan penentuan parameter criterion, maximal depth, confidence dan minimal gain. Hasil terbaik kemudian akan dioptimize dengan Partical Swarm Optimization. Tingkat akurasi yang dihasilkan kemudian dibandingkan dengan akurasi yang dihasilkan dengan metode sebelumnya. Dihasilkan kesimpulan bahwa, C4.5 dengan Particel Swarm Optimization menghasilkan nilai akurasi 93,15%.

Published
2019-02-28