Skripsi Analisis dan Komparasi Metode Naive Bayes dan Logistic Regression dengan Seleksi Variabel Berbasis Genetic Algorithm untuk Prediksi Software Defect

Permintaan akan software yang berkualitas sangat berkembang pesat pada dunia global saat ini. Maka dari itu diperlukan software-software yang tidak memiliki kesalahan / error (defect). Kebanyakan kesalahan disebabkan oleh kesalahan manusia. Banyak peneliti lain melakukan pembuatan model untuk pengembangan software, yang nantinya akan digunakan untuk para pengembang agar mengikuti model yang diusulkan saat membuat software. Model yang diusulkan diupayakan agar dapat menghasilkan software tanpa defect.Model yang saat ini paling baik dalam melakukan prediksi software defect adalah Naive Bayes dan Logistic Regression. Ada juga penelitian lain yang dilakukan untuk meningkatkan hasil akurasi yang ada dapat dilakukan pemilihan variabel yang digunakan. Genetic Algoritma akan diterapkan untuk pemilihan variabel pada metode Naive Bayes dan Logistic Regression. Setelah itu akan dilakukan uji statistik dengan T-Test, model mana yang paling baik untuk menghasilkan tingkat akurasi paling tinggi dalam prediksi software defect. Hasil akurasi yang diperoleh membuktikan bahwa Logistic Regression dengan Genetic Algorithm lebih tinggi dibandingkan Naive Bayes dengan Genetic Algorithm dengan persentase akurasi 86,47%, tetapi pada hasil performa yang diperoleh membuktikan bahwa Naive Bayes dengan Genetic Algorithm lebih unggul dibandingkan Logistic Regression dengan performa 34,77. Dan, hasil uji statistic terhadap kedua model tersebut meyimpulkan bahwa Logistic Regression dengan Genetic Algorithm lebih baik untuk melakukan prediksi software defect.