Matches in SemOpenAlex for { <https://semopenalex.org/work/W2237584080> ?p ?o ?g. }
Showing items 1 to 55 of
55
with 100 items per page.
- W2237584080 endingPage "100" @default.
- W2237584080 startingPage "92" @default.
- W2237584080 abstract "Abstract : Penurunan kualitas software dan biaya perbaikan yang tinggi dapat diakibatkan kesalahan atau cacat pada software. Prediksi cacat software sangat penting di dalam software engineering , terutama dalam mengatasi masalah efektifitas dan efisiensi sehingga dapat meningkatkan kualitas software. Neural Network (NN) merupakan algoritma klasifikasi yang telah terbukti mampu mengatasi masalah data nonlinear dan memiliki sensitifitas yang tinggi terhadap suatu data serta mampu menganalisa data yang besar. Dataset NASA MDP merupakan data metric yang nonlinear perangkat lunak yang biasa digunakan untuk penelitian software defect prediction (prediksi cacat software). Terdapat 62 penelitian dari 208 penelitian menggunakan dataset NASA. NASA MDP memiliki kelemahan yaitu kelas yang tidak seimbang sehingga dapat menurunkan kinerja dari model prediksi cacat software . Untuk menangani ketidakseimbangan kelas dalam dataset NASA MDP adalah dengan menggunakan metode level data yaitu Random Under Sampling (RUS). RUS ditujukan untuk memperbaiki ketidakseimbangan kelas. Metode yang diusulkan untuk menangani ketidakseimbangan kelas pada Neural Network (NN) adalah penerapan RUS. Eksperimen yang diusulkan untuk membandingkan hasil kinerja Neural Network sebelum dan sesudah diterapkan metode RUS, serta dibandingkan dengan model yang lainnya. Hasil Eksperimen rata-rata AUC pada NN (0.80) dan NN+RUS (0.82). Hasil uji Wilcoxon dan Friedman menunjukan bahwa bahwa AUC NN+RUS memiliki perbedaan yang signifikan dengan NN dengan p-value wilcoxon = 0.002 dan p-value friedman = 0.003 (p<0.05). Menurut uji friedman terdapat perbedaan AUC yang signifikan antara NN+RUS dengan NN, NN+SMOTE, NB, dan C45 karena nilai p-value < 0.0001. Maka dapat disimpulkan bahwa penerapan model RUS terbukti dapat menangani masalah ketidakseimbangan kelas pada prediksi cacat software berbasis neural network. Kata Kunci: Ketidakseimbangan Kelas, Neural Network, Random Under Sampling" @default.
- W2237584080 created "2016-06-24" @default.
- W2237584080 creator A5072242217 @default.
- W2237584080 creator A5087234515 @default.
- W2237584080 date "2015-12-16" @default.
- W2237584080 modified "2023-09-23" @default.
- W2237584080 title "Penggunaan Random Under Sampling untuk Penanganan Ketidakseimbangan Kelas pada Prediksi Cacat Software Berbasis Neural Network" @default.
- W2237584080 cites W1480376833 @default.
- W2237584080 cites W1494856312 @default.
- W2237584080 cites W1511339751 @default.
- W2237584080 cites W1534611046 @default.
- W2237584080 cites W1554944419 @default.
- W2237584080 cites W1555587542 @default.
- W2237584080 cites W1565746575 @default.
- W2237584080 cites W1570448133 @default.
- W2237584080 cites W1965468410 @default.
- W2237584080 cites W1971109640 @default.
- W2237584080 cites W2024199384 @default.
- W2237584080 cites W2032751870 @default.
- W2237584080 cites W2038464048 @default.
- W2237584080 cites W2062816266 @default.
- W2237584080 cites W2090854192 @default.
- W2237584080 cites W2097883090 @default.
- W2237584080 cites W2112832917 @default.
- W2237584080 cites W2114363693 @default.
- W2237584080 cites W2126734246 @default.
- W2237584080 cites W2147888794 @default.
- W2237584080 cites W2151666086 @default.
- W2237584080 cites W2293820727 @default.
- W2237584080 cites W3201612361 @default.
- W2237584080 cites W328766226 @default.
- W2237584080 cites W603420404 @default.
- W2237584080 hasPublicationYear "2015" @default.
- W2237584080 type Work @default.
- W2237584080 sameAs 2237584080 @default.
- W2237584080 citedByCount "1" @default.
- W2237584080 countsByYear W22375840802020 @default.
- W2237584080 crossrefType "journal-article" @default.
- W2237584080 hasAuthorship W2237584080A5072242217 @default.
- W2237584080 hasAuthorship W2237584080A5087234515 @default.
- W2237584080 hasConcept C121332964 @default.
- W2237584080 hasConcept C41008148 @default.
- W2237584080 hasConceptScore W2237584080C121332964 @default.
- W2237584080 hasConceptScore W2237584080C41008148 @default.
- W2237584080 hasIssue "2" @default.
- W2237584080 hasLocation W22375840801 @default.
- W2237584080 hasOpenAccess W2237584080 @default.
- W2237584080 hasPrimaryLocation W22375840801 @default.
- W2237584080 hasVolume "1" @default.
- W2237584080 isParatext "false" @default.
- W2237584080 isRetracted "false" @default.
- W2237584080 magId "2237584080" @default.
- W2237584080 workType "article" @default.