eprintid: 31845
rev_number: 15
eprint_status: archive
userid: 12
dir: disk0/00/03/18/45
datestamp: 2026-07-01 02:45:42
lastmod: 2026-07-01 02:45:42
status_changed: 2026-07-01 02:45:42
type: thesis
metadata_visibility: show
creators_name: Faisal, Muhammad Rofiq
creators_nim: 22.83.0769
contributors_name: Syafrizal, Melwin
corp_creators: Universitas AMIKOM Yogyakarta
title: EKSPERIMEN ALGORITMA RANDOM FOREST UNTUK PREDIKSI
BUG JUST-IN-TIME PADA PERANGKAT LUNAK OPEN-SOURCE
MENGGUNAKAN DATASET APACHEJIT
ispublished: pub
subjects: 000.000.000A
subjects: 000.000.005
divisions: tk
full_text_status: restricted
keywords: Prediksi Bug, Just-In-Time, Random Forest, ApacheJIT, Scikit-learn.
abstract: Kualitas perangkat lunak dipengaruhi oleh kemampuan sistem dalam
mengidentifikasi kesalahan lebih awal selama proses pengembangan. Just-in-Time
Defect Prediction (JIT-DP) adalah metode yang memperkirakan kemungkinan
terjadinya bug saat commit dilakukan dengan memanfaatkan metrik perubahan
kode dan aktivitas pengembang. Tujuan dari penelitian ini adalah untuk
mengembangkan dan menilai model prediksi bug berbasis algoritma Random
Forest menggunakan Dataset ApacheJIT yang mencakup metrik tingkat commit
dari berbagai proyek perangkat lunak open-source.  
 
Langkah-langkah dalam penelitian ini mencakup pra-pemrosesan data, 
pembagian data dengan dua metode validasi (Random Split dan Chronological
Split), pelatihan model, dan penilaian performa menggunakan metrik Recall,
Precision, F1-score, ROC-AUC, dan MCC. Hasil dari eksperimen menunjukkan
bahwa Random Forest dapat memberikan performa prediksi yang konsisten pada
kedua metode validasi, meskipun Random Split menunjukkan performa yang lebih
tinggi secara statistik. Namun, metode Chronological Split dianggap lebih
representatif karena mencerminkan sifat waktu dalam alur commit dan mengurangi
risiko kebocoran data. Analisis Feature Importance menunjukkan bahwa ukuran
perubahan kode, terutama jumlah baris yang ditambahkan dan dihapus, adalah
indikator utama dalam mempengaruhi terjadinya commit cacat.  
 
Temuan ini memperkuat hasil penelitian sebelumnya yang menekankan 
pentingnya metrik perubahan dalam metode JIT-DP. Secara keseluruhan, penelitian
ini menunjukkan bahwa algoritma Random Forest efektif digunakan dalam tugas
prediksi bug berbasis commit, dengan efisiensi komputasi yang baik dan
kemampuan interpretasi yang cukup. Diharapkan, hasil penelitian ini dapat menjadi
landasan untuk mengembangkan alat bantu kualitas perangkat lunak yang dapat
memberi peringatan dini kepada pengembang tentang risiko cacat pada tahap
commit.
date: 2026-01-21
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Faisal, Muhammad Rofiq  (2026) EKSPERIMEN ALGORITMA RANDOM FOREST UNTUK PREDIKSI BUG JUST-IN-TIME PADA PERANGKAT LUNAK OPEN-SOURCE MENGGUNAKAN DATASET APACHEJIT.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31845/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31845/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31845/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31845/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31845/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31845/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31845/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/31845/8/Sourcecode%20-%2022.83.0769.zip