Article Per Year (5 Year)
p-Index From 2021 - 2026
1.884
P-Index
This Author published in this journals
All Journal Rancang Bangun Hisbah: Jurnal Bimbingan Konseling dan Dakwah Islam Economics and Digital Business Review Profitabilitas Kolaborasi Jurnal Pengabdian Masyarakat Jurnal Karajata Engineering ARUS JURNAL SAINS DAN TEKNOLOGI
Indriyanti
Unknown Affiliation
Religion Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Health Professions Medicine & Pharmacology Nursing Public Health Social Sciences Transportation Other

Published : 12 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Profitabilitas

 1 
Prediksi Cacat Software Menggunakan Class Balancer Bagging C4.5 dan Analisis Statistik SPSS dalam Konteks Akuntansi Nurul Ichsan; Haerul Fatah; Tri Wahyuni; Erni Ermawati; Indriyanti
PROFITABILITAS Vol 5 No 1 (2025): JURNAL PROFITABILITAS
Publisher : Sistem Informasi Akuntansi Kampu Kabupaten Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31294/profitabilitas.v5i1.9081

Abstract

Prediksi cacat software merupakan langkah krusial dalam proses pengembangan perangkat lunak guna meminimalkan risiko kerugian akibat kegagalan sistem. Namun, tantangan utama dalam prediksi ini terletak pada ketidakseimbangan data (class imbalance) yang menyebabkan performa model prediksi menjadi tidak optimal. Penelitian sebelumnya menunjukkan bahwa algoritma C4.5 memiliki performa cukup baik, namun masih belum mampu menangani permasalahan ketidakseimbangan kelas secara efektif. Untuk mengatasi masalah tersebut, penelitian ini mengusulkan pendekatan integrasi Class Balancer dan teknik Bagging pada algoritma C4.5 sebagai solusi prediksi yang lebih robust. Hasil penelitian menunjukkan bahwa model Class Balancer+Bagging+C4.5 memberikan peningkatan nilai AUC pada dataset PC4.arff hingga mencapai 0.834 dengan akurasi 83.35%, yang masuk dalam kategori Good Classification. Meskipun rata-rata akurasi menurun dibandingkan C4.5 original, rata-rata nilai AUC meningkat secara signifikan dari 0.599 menjadi 0.672, yang menunjukkan peningkatan kualitas klasifikasi dari Failure menjadi Poor Classification. Temuan ini menunjukkan bahwa integrasi teknik Class Balancer dan Bagging pada algoritma C4.5 mampu meningkatkan kemampuan model dalam mengenali cacat software, terutama dari sisi kestabilan prediksi terhadap data yang tidak seimbang.
Co-Authors Aderengke Waang Seik Adrian Agusalim, M. Ahmad Fajrin Ananta, Ari Azyari Asmawati Asnita Virlayani, Asnita Asrul Awaliyah, Annisa Nurhikmah Bahrudin Bakri, Saefulloh Chairul Adhim Erni Ermawati Fadly, Imam Fatah, Haerul Fausiah Latif Fauzi Ahmad Muda Firdaus Gaffar, Farida Hawa, Maria Kasmawati Marianus Kleden Mileni Wahidah Muh. Yunus Ali MUHAMMAD SAID Nanda, Abd. Rakhim Nurfadilah Nurnawaty Nurul Ichsan Rafli Seftiawan N, Muh Jusuf Sugandi Miharja Syamsuri, Andi Makbul Tri Wahyuni Umar, Nuralfirah Veronika Boleng Kelen Yohanes Kornelius Ethelbert