Judul 1 : Sistem Deteksi Cacat Perangkat
Lunak Berbasis Aturan Menggunakan Decision Tree
Penulis :
Bayu Priyambadha dan Siti Rochimah
Penerbit : Jurnal
Cybermatika | Vol. 1 No. 2 | Desember 2013 | Artikel 3
Cacat merupakan hal yang
harus dihindari dalam pengembangan perangkat lunak. Pendeteksian cacat
merupakan sebuah langkah untuk penjaminan kualitas pada perangkat lunak.
Karenanya harus disediakan alat untuk optomatisasi pendeteksian cacat pada
perangkat lunak guna menghindari cacat itu sendiri.
Penelitian ini bertujuan untuk
merancang mekanisme otomatis proses pendeteksian cacat pada perangkat lunak
berdasarkan nilai kompleksitas kode program.
Dalam paper ini penulis
menggunakan beberapa metode sebagai penunjang penelitiannya. Adapun metode yang
digunakan penulis dalam penelitiannya adalah Lines of Code (LOC), McCabe’s Cyclomatic Complexity dan Halstead’s Volume.
Penelitian ini dikerjakan
dengan beberapa langkah, antara lain pengumpulan data, pendefinisian rule, dan
klasifikasi data.
-
Pengumpulan Data
Data yang digunakan penulis dalam penelitiannya berupa
dataset dari NASA public dataset yang diterbitkan oleh reporsitori PROMISE. Dataset
untuk kepentingan penelitian ini adalah dataset yang memuat catatan cacat
perangkat lunak yang terjadi pada NASA.
-
Pendefinisian Rule
Rule atau aturan dibangkitkan dengan menggunakan
metode decision tree, karena metode tersebut dapat menghasilkan representasi
data dalam bentuk tree.
-
Klasifikasi Data
Pada penelitian ini, pedekatan yang dilakukan adalah
pendeteksian cacat perangkat lunak dilakukan dengan sebuah alat yang disebut
ontologi.
Untuk proses pembangkitan
aturan penulis menggunakan Weka. Yaitu aplikasi yang menyediakan fungsi
algoritma-algoritma machine leraning secara komprehensif. Hasil akurasi pada
penelitian ini juga cukup besar, data pada dataset NASA PC1 dideteksi sebesar
93% benar.
Namun Terdapat kelemahan
dalam penelitian ini, khususnya pada proses
pembangkitan rule dengan metode decision tree. Pada penerapannya, tidak
semua aturan yang terbentuk menghasilkan data. Dengan kata lain bahwa, terdapat
beberapa aturan yang tidak berfungsi sebagai classifier. Oleh karena itu
aturan-aturan tersebut tidak akan berpengaruh apabila tidak digunakan. Sebaliknya,
apabila tetap dimasukkan ke dalam ontologi, aturan tersebut akan memberatkan
proses klasifikasi data.
