ANALISIS KOMPARASI KLASIFIKASI ALGORITMA C4.5 DAN NAïVE BAYES PADA PREDIKSI KEBERHASILAN SOFTWARE REUSE

Ita Yulianti

Abstract


Abstraksi

Software reuse ­(penggunaan kembali perangkat lunak) diyakini sebagai salah satu pendekatan yang paling efektif untuk memperbaiki proses perangkat lunak secara signifikan, meningkatkan kualitas perangkat lunak dan konsistensi penerapan, dan mengurangi biaya pengembangan dan perawatan. Keberhasilan software reuse ditentukan pada kemampuan untuk memprediksi variabilitas yang dibutuhkan dalam aset masa depan. Oleh karena itu, untuk memastikan berhasil atau tidaknya penerapan software reuse diperlukan suatu analisis yang dapat memprediksi permasalahan tersebut sebagai cara pendekatan terbaik yaitu salah satunya dengan menggunakan data mining. Ada dua metode data mining yang digunakan dalam penelitian ini, yaitu Algoritma C4.5 dan Naïve Bayes. Berdasarkan hasil yang diperoleh, Algoritma C4.5 menjadi metode klasifikasi terbaik dalam memprediksi keberhasilan software reuse.

Kata Kunci : Algoritma C4.5, Naïve Bayes, Software Reuse

 

Abstract

Software reuse is believed to be one of the most effective approaches to significantly improve software processes, improve software quality and consistency of implementation, and reduce development and maintenance costs. The success of software reuse is determined by the ability to predict the variability needed in future assets. Therefore, to ensure the success or failure of the application of reuse software, an analysis that can predict these problems is needed as the best approach, one of which is by using data mining. There are two data mining methods used in this study, namely C4.5 and Naïve Bayes Algorithms. Based on the results obtained, C4.5 algorithm becomes the best classification method in predicting the success of software reuse.

Keywords: C4.5 Algorithm, Naïve Bayes, Software Reuse


References


Antovski, Ljupcho dan Florinda Imeri. 2013. "Review of Software Reuse Processes". IJCSI – International Journal of Computer Science Issues, Vol. 10, Issue 6, No. 2 – ISSN (Print): 1694-0814, ISSN (Online): 1694-0784 – www.IJCSI.org, p. 83-88.

E. Fayad, Mohamed dan Charles A. Flood III. 2016. "Unified Software Engineering Reuse (USER) using Stable Analysis, Design and Architectural Patterns”. FTC - Future Technologies Conference, IEEE, p. 706-711.

Jalender, B., Dr. A. Govardhan dan Dr. P Premchand. 2010. "A Pragmatic Approach To Software Reuse”. JATIT - Journal of Theoretical and Applied Information Technology, p. 87-96.

Kamagi, David Hartanto dan Seng Hansun. 2014. Implementasi Data Mining dengan Algoritma C4.5 Memprediksi Tingkat Kelulusan Mahasiswa. ISSN: 2085-4552. Tangerang: UTLIMATICS, Vol. VI, No. 1, Juni 2014.

Nofriansyah, D. 2014. “Konsep Data Mining VS Sistem Pendukung Keputusan”. Yogyakarta: Deepublish.

Prakash, B.V. Ajay, D V Ashoka dan V N Manjunath Aradhya. 2012. "Application of Data Mining Techniques for Software Reuse Process". Procedia Technology 4 – Elsevier Ltd. p. 384 – 389.

PROMISE Repository. 2004. Reuse/Predicting Successful Reuse. Dipetik January 16, 2019, dari PROMISE Repository: https://promise.site.uottawa.ca/SERepository/datasets-page.html

Putri, Sukmawati Anggraeni. 2017. "Integrasi Teknik Smote Bagging Dengan Information Gain Pada Naive Bayes Untuk Prediksi Cacat Software”. Jurnal Ilmu Pengetahuan dan Teknologi Komputer, Vol. 2. No. 2 Februari 2017, E-ISSN: 2527-4864 Hal. 22-31.

Xin. TAO dan LIU Yang. 2017. " A Framework of Software Reusing Engineering Management" SERA IEEE, p. 277-282.




DOI: https://doi.org/10.31294/swabumi.v7i1.5637

INDEXING

 

    P-ISSN : 2355-990X                       E-ISSN: 2549-5178

                     

 

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License