Text
Klasifikasi Software Maintenance Menggunakan Metode Convolutional Neural Network (CNN)
Pemeliharaan perangkat lunak menjadi salah satu siklus penting pada perangkat lunak.
Pemeliharaan diperlukan karena sistem akan terus berkembang dan perangkat lunak harus
menyesuaikan dengan sistem yang terbaru sehingga harus diperlukan modifikasi sistem
perangkat lunak. Pemeliharaan perangkat lunak membutuhkan tenaga ahli, waktu, dan biaya
yang besar. Pemeliharaan perangkat lunak dapat diklasifikasikan menjadi 4 tipe software
maintenance berdasarkan catatan perubahan versi perangkat lunak. Klasifikasi software
maintenance digunakan untuk mengetahui jenis pembaruan setiap versi dan jenis klasifikasi
mana yang akan menjadi prioritas untuk versi perangkat lunak selanjutnya. Penelitian ini
bertujuan untuk mengetahui pengukuran akurasi terbaik dari klasifikasi software
maintenance menggunakan Convolutional Neural Network (CNN) sehingga dapat
mempermudah pemeliharaan perangkat lunak di versi selanjutnya dengan melihat tipe
software maintenance yang menonjol pada perangkat lunak. Dataset yang digunakan pada
penelitian ini catatan versi pada perangkat lunak open-source yaitu ECharts. ECharts
merupakan library javascript yang digunakan untuk visualisasi data dalam bentuk bagan.
Penelitian ini menggunakan fungsi aktivasi input ReLu dan fungsi aktivasi output softmax.
Parameter yang digunakan dalam penelitian ini yaitu nilai learning rate, nilai dropout, nilai
epoch, dan nilai batch size. Akurasi validasi tertinggi yaitu 90,32% dengan konfigurasi
parameter epoch 20, dropout 0,5, learning rate 0,001, dan batch size 2. Pada hasil pengujian
diperoleh nilai akurasi sebesar 90,38%.
Kata kunci : Change log, Convolutional Neural Network (CNN), Klasifikasi,
Pembaharuan Perangkat Lunak.
| 1221F2023 | 1221 F 2023 | Perpustakaan FSM Undip | Tersedia |
Tidak tersedia versi lain