Perbandingan Algoritma Klasifikasi untuk Prediksi Cacat Software dengan Pendekatan CRISP-DM

Bagian terpenting dalam software quality adalah prediksi cacat software. Prediksi memanfaatkan pengukuran matriks pengujian untuk dilakukan klasifikasi yang dapat memperkirakan kualitas modul program, secara umum hasil dibagi menjadi dua kelas, yaitu rentan dan tidak cacat. Metode machine learning mempunyai kinerja lebih baik menemukan daripada metode manual. Algoritme pernah digunakan antara lain k-Nearest Neighbor (k-NN), Naïve Bayes (NB) Decision Tree (CART). Dalam penelitian ini akan dibandingkan algoritme-algoritme klasifikiasi k-NN, NB, CART Software Matrix pada tujuh dataset dari NASA MDP. Hasil menunjukkan bahwa nilai rata-rata akurasi algoritme k-NN NB dengan 0,867. Sedangkan masing-masing 0,859 0,778.