SARI, RACMATIKA INTAN (2024) ANALISIS PERBANDINGAN ALGORITMA SVM RANDOM FOREST HIST GRADIENT BOOSTING DALAM MENGKLASIFIKADI TINGKAT KEPARAHAN BUG PERANGKAT LUNAK (TA.2.24.032). Diploma thesis, Universitas Logistik dan Bisnis Internasional.
Full text not available from this repository.Abstract
ABSTRAK Dalam pengembangan software modern yang semakin kompleks, bug atau kecacatan software menjadi masalah yang tidak dapat dihindari. Identifikasi dan klasifikasi tingkat keparahan bug secara manual sangat memakan waktu dan rentan terhadap kesalahan manusia. Penelitian ini bertujuan untuk mengevaluasi dan membandingkan kinerja tiga algoritma machine learning, yaitu Support Vector Machine (SVM), Random Forest, dan Hist Gradient Boosting, dalam mengklasifikasikan tingkat keparahan software bug. Metode yang digunakan adalah CRISP-DM, metode tersebut mencakup beberapa tahap yaitu Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation, hingga Deployment. Hasil penelitian menunjukkan bahwa Hist Gradient Boosting yang dioptimalkan dengan SMOTE memberikan kinerja terbaik dengan akurasi tinggi dan performa yang konsisten di semua kelas tingkat keparahan bug. Penelitian ini memberikan wawasan berharga bagi praktisi dan peneliti dalam memilih algoritma yang tepat untuk memprediksi tingkat keparahan software bug. Kata Kunci: Klasifikasi Bug, Tingkat Keparahan Bug, Machine Learning, Support Vector Machine, Random Forest, Hist Gradient Boosting, SMOTE.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | T Technology > T Technology (General) |
| Divisions: | Sekolah Vokasi > Teknik Informatika D4 |
| Depositing User: | Unnamed user with email [email protected] |
| Date Deposited: | 21 Nov 2024 07:50 |
| Last Modified: | 21 Nov 2024 07:50 |
| URI: | http://eprints.ulbi.ac.id/id/eprint/2703 |
Actions (login required)
 |
View Item |
