Peningkatan Akurasi Prediksi Waktu Perbaikan Bug dengan Pendekatan Partisi Data

*Mochammad Arief Ridwan  -  Institut Teknologi Sepuluh Nopember, Indonesia
Siti Rochimah  -  Institut Teknologi Sepuluh Nopember, Indonesia
Received: 3 Apr 2018; Published: 30 Apr 2018.
Open Access
Citation Format:
Abstract
Software developers need to have a plan in setting up software development costs. Software repairs in the system maintenance phase can be caused by bugs. Bugs are malfunctions that occur in software that does not meet the needs of the software. The software bug can have a fast or long time in the repair depending on the difficulty level. Developers can be assisted by predictive model recommendations and provide time-out considerations for bug fixes. Some research has been done on the predicted time of bug fixes using various existing classification algorithms with free datasets that can be accessed or downloaded from the software site. The classification of existing research uses several datasets of varying time ranges, the results obtained from a very variable time span are assessed to be further enhanced by partitioning over time ranges prior to classification. With partitions based on the repair timeframe, improved accuracy has been made with some classification methods. The results obtained after performing trials on multiple datasets are an increase for the majority of the datasets used. There is also a decrease in accuracy in some tests performed with a particular dataset.
Keywords: Prediction; Bug, Fixing time; Partition

Article Metrics:

Article Info
Section: Research Articles
Language: ID-ID
In Vol 8, No 1 (2018): Volume 8 Nomor 1 Tahun 2018
Statistics: 499 841
Others articles
Penerapan Algoritma C4.5 Untuk Memprediksi Keuntungan Pada PT SMOE Indonesia Metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk Prediksi Tingkat Layanan Jalan Sistem Temu Kembali Informasi dengan Metode Vector Space Model Perancangan Sistem Informasi Konsultasi Akademik Berbasis Website Sistem Informasi Geografis Berbasis Web untuk Pemetaan Sebaran Alumni Menggunakan Metode K-Means Sistem Pendukung Keputusan Pemilihan Siswa Berprestasi Berbasis Website dengan Metode Simple Additive Weighting
  1. Nur, F.A., Siti, R., 2016. Memprediksi Waktu Perbaikan Bug dari Laporan Bug Menggunakan Klasifikasi Random Forest. Jurnal Sistem dan Informatika 11 (2), 1
  2. Norvig, P., Russel, S., 2010. Artificial Intelligence a Modern Approach. Pearson, New Jersey, MA
  3. Jiawei, H., Kamber, Micheline, 2006. Data Mining: Concepts and Technique. Elsevier, Waltham, MA
  4. Gall, H.C., Giger, E., Pinzger, M., 2010. Predicting the fix time of bugs, Proceedings of the 2nd International Workshop on Recommendation System for Software Engineering, Cape Town, May 4, 52-56
  5. Abdelmoez, W., Elsalmy, F.M., Kholief, M., 2013. Bug fix-time prediction model using naïve bayes classifier. International Conference on Computer Theory and Application, Alexandria, October 13, 167-172
  6. Alenezi, M., Banitaan, S., 2013. Bug reports prioritization : Which features and classifier to use? International Conference on Machine Learning and Applications, Miami, April 4, 112-116
  7. Gong, L., Versteeg, S., Zhang, H., 2013. Predicting bug fixing-time: an empirical study of commercial software projects. Proceedings of the 2013 Internatioanal Conference on Software Engineering, San Francisco, May 18, 1042-1051
  8. Romi, S. W., 2016. A Systematic Literature Review of Software Defect Prediction: Research Trends, Dataset, Methods and Frameworks. Journal of Software Engineering, 1 (2), 1-16
  9. Breiman, L., 2001. Random Forest, Machine Learning, 45 (1), 5-32
  10. Bhuwaneswari, V., Vijayakumar, K., 2014. How much effort needed to fix the bug? A data mining approach for effort estimation and analysing of bug report attributes in Firefox. International Conference on Intelligent Computing Applications, Coimbatore, March 6, 335-339

Last update: 2021-03-03 04:05:05

No citation recorded.

Last update: 2021-03-03 04:05:06

No citation recorded.

Penulis yang mengirimkan naskah harus memahami dan menyetujui bahwa jika diterima untuk dipublikasikan, hak cipta dari artikel adalah milik JSINBIS dan Universitas Diponegoro sebagai penerbit jurnal.

Hak cipta (copyright) meliputi hak eksklusif untuk mereproduksi dan memberikan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm dan setiap reproduksi lain yang sejenis, serta terjemahan. Penulis mempunyai hak untuk hal-hal berikut:

  1. menggandakan seluruh atau sebagian materi yang dipublikasikan untuk digunakan oleh penulis sendiri sebagai bahan pengajaran di kelas atau bahan presentasi lisan dalam berbagai forum;
  2. menggunakan kembali sebagian atau keseluruhan materi sebagai bahan kompilasi bagi karya tulis penulis;
  3. membuat salinan dari bahan yang dipublikasikan untuk didistribusikan di lingkungan institusi tempat penulis bekerja. 

JSINBIS dan Universitas Diponegoro serta Editor melakukan segala upaya untuk memastikan bahwa tidak ada data, pendapat atau pernyataan yang salah atau menyesatkan yang dipublikasikan di jurnal ini. Isi artikel yang diterbitkan di JSINBIS adalah tanggung jawab tunggal dan eksklusif dari masing-masing penulis.