Article Per Year (5 Year)
p-Index From 2021 - 2026
1.704
P-Index
This Author published in this journals
All Journal Jurnal IUS (Kajian Hukum dan Keadilan) Jurnal ICT : Information Communication & Technology Jurnal Komunikasi Universitas Garut: Hasil Pemikiran dan Penelitian Jurnal Perak Malahayati : Pengabdian Kepada Masyarakat GENIUS JOURNAL (General Nursing Science Journal) Jurnal Komputer Bisnis Journal of International Multidisciplinary Research Jurnal Intelek Dan Cendikiawan Nusantara TAMPIASIH Indonesia Media Law Review Masterpiece Journal Society Service Insight
Susi Susilawati
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Biochemistry, Genetics & Molecular Biology Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Environmental Science Health Professions Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Nursing Public Health Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
ANALISIS PENERAPAN ARTIFICIAL INTELLIGENCE DALAM DETEKSI BUG DAN PREDIKSI KESALAHAN PERANGKAT LUNAK: A SYSTEMATIC LITERATURE REVIEW Nurul Umami; Nurhasanah; Nurhasiyah; Susi Susilawati
JURNAL TAMPIASIH Vol. 4 No. 1 (2025): Tampiasih Desember
Publisher : LPPM, Institut Teknologi dan Kesehatan Aspirasi

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Pengembangan perangkat lunak saat ini mengalami pergeseran paradigma seiring dengan masifnya integrasi teknik Kecerdasan Buatan (AI) dan Machine Learning (ML). Perkembangan sistem yang sangat cepat menuntut mekanisme deteksi kesalahan secara berkelanjutan, sementara metode pengujian tradisional masih bersifat reaktif, memakan waktu, dan membutuhkan sumber daya besar. Tinjauan pustaka sistematis ini menyintesis penelitian terkini mengenai deteksi bug cerdas dan prediksi kesalahan berbasis AI. Kami menganalisis arsitektur lanjutan termasuk LSTM, Graph Neural Network (JITGNN), Large Language Model (LLM), serta algoritma optimasi metaheuristik (ILFA). Kajian ini menyoroti peran Explainable AI (XAI) dalam meningkatkan transparansi keputusan serta teknik transformasi fitur seperti Algoritma Genetika dan FeatBoost. Meskipun menunjukkan peningkatan kinerja yang signifikan, tantangan seperti ketidakseimbangan data, biaya pelabelan manual, dan generalisasi lintas proyek masih menjadi hambatan utama penerapan di industri.
Co-Authors Abd. Basir Abda Abda Aelani, Khoirida Ashar Ridwan Atep Aulia Rahman Aulia Al-Qisthy Nazifah Devi Kurnia Sari Dina Indriana Elis Roslianti Fahim Tharaba Ima Sukmawati M. Ayyub Mubarrak Meilany Mira Nila Kusuma Dewi Moch. Shofi 'Adlani Novita Novita Nurhasanah Nurhasiyah Nurul Mafazah Nurul Miqat Nurul Umami Rosanti Utami Dewi S.Y Sahlan Said, Ghiffari Syauqy Solichah, Ira Wirdatus Uro Abdurohim Wahyu Hidayat