Skripsi ABSOLUTE CORRELATION BASED WEIGHTED NAÏVE BAYES FOR SOFTWARE DEFECT PREDICTION

Mengembangkan perangkat lunak yang sempurna itu sulit dan sering kali ada beberapa kesalahan atau bug yang tidak diketahui atau cacat yang tidak terduga, meskipun metodologi pengembangan perangkat lunak telah diterapkan dengan hati-hati. Tahap pemeliharaan pada proyek perangkat lunak menjadi sangat mahal bagi tim pengembang dan merugikan bagi pengguna karena beberapa modul perangkat lunak yang cacat. Hal ini dapat dihindari dengan mendeteksi cacat selama tahap pengembangan pada proyek perangkat lunak. Prediksi cacat perangkat lunak akan memberikan kesempatan bagi tim pengembang untuk menguji modul atau file yang memiliki probabilitas cacat tinggi. Naïve Bayes dapat digunakan untuk mengklasifikasikan kerawanan cacat perangkat lunak, terutama label cacat dan tidak cacat pada prediksi cacat perangkat lunak. Naïve Bayes adalah salah satu dari dua metode terbaik yang dapat digunakan untuk memprediksi cacat perangkat lunak. Namun, Naïve Bayes menganggap semua atribut sama pentingnya dan tidak berhubungan satu sama lain. Padahal kenyataannya, asumsi ini tidak benar dalam banyak kasus. Nilai absolut dari koefisien korelasi diusulkan sebagai metode pembobotan untuk mengatasi asumsi Naïve Bayes. Nilai absolut dari koefisien korelasi dapat digunakan untuk mengukur relevansi antara atribut. Relevansi antara atribut menunjukkan signifikan dari atribut-atribut ini dalam probabilitas, lebih berpengaruh atribut dalam probabilitas, semakin tinggi nilai bobot. Pada penelitian ini, Absolute Correlation Weighted Naïve Bayes dan Absolute Correlation Weighted Attribute-class Naïve Bayes diusulkan. Metode yang diusulkan tersebut dievaluasi pada NASA MDP Dataset dan menggunakan area under the curve (AUC) sebagai metode evaluasi. Nilai AUC dibandingkan dengan uji parametrik menggunakan t-test dan uji non-parametrik menggunakan Friedman Test. P-value dari t-test pada Naïve Bayes dan Absolute Correlation Weighted Naïve Bayes adalah 0.008, sedangkan pvalue dari t-test pada Naïve Bayes dan Absolute Correlation Weighted Attribute-class Naïve Bayes pada 0.019. P-value dari Friedman test adalah 0.02. Hasil uji parametrik dan non-parametrik menunjukkan bahwa metode yang diusulkan dapat meningkatkan kinerja Naïve Bayes untuk mengklasifikasikan kerawanan cacat pada prediksi cacat perangkat lunak.