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

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

• By Yulianti, Ita;
• Jurnal Nasional Terakreditasi
• 376
• 62-66

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.

• Katakunci Algoritma C4.5, Naïve Bayes, Software Reuse
• URL https://ejournal.bsi.ac.id/ejurnal/index.php/swabumi/article/view/5637/3181
• Penerbit JURNAL SWABUMI, SUKABUMI JAWA BARAT

REFERENSI

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.Govardhandan 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.

PROMISERepository.2004. Reuse/Predicting  Successful Reuse.  Dipetik January16,  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.