Article Per Year (5 Year)
p-Index From 2020 - 2025
0.444
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Inovate : Jurnal Ilmiah Inovasi Teknologi Informasi
Hari Agus Prastyo, Edwin
Unknown Affiliation
Computer Science & IT Education

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
NAIVE BAYES CLASSIFICATION UNTUK PREDIKSI CACAT PERANGKAT LUNAK Hari Agus Prastyo, Edwin; Suhartono, Suhartono; Faisal, M; Yaqin, Muhammad Ainul; Firdaus, Reza Augusta Jannatul
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 2 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i2.5508

Abstract

Cacat perangkat lunak atau bug merupakan bagian yang tak terhindarkan dari pengembangan perangkat lunak dan dapat memiliki dampak signifikan terhadap keandalan dan kinerja aplikasi perangkat lunak. Penelitian ini bertujuan untuk meningkatkan prediksi dan pemantauan cacat perangkat lunak dalam konteks pengembangan perangkat lunak. Kestabilan sistem dan pencegahan cacat perangkat lunak menjadi hal yang sangat krusial dalam industri perangkat lunak. Untuk mencapai tujuan tersebut, berbagai tindakan proaktif seperti pengujian perangkat lunak yang ketat, pemeliharaan rutin, dan pemantauan sistem secara berkelanjutan perlu diterapkan. Masalah utama yang menjadi fokus dalam penelitian ini adalah kurangnya prediksi yang efisien terkait dengan cacat perangkat lunak selama proses pengembangan. Dalam penelitian ini, metode Naive Bayes Classification dimanfaatkan untuk mengatasi tantangan tersebut. Hasil uji coba yang dilakukan terhadap seluruh dataset menunjukkan bahwa metode Naive Bayes mampu menghasilkan klasifikasi dengan tingkat akurasi yang sangat tinggi, mencapai nilai 98%. Hasil ini mengindikasikan bahwa metode ini berpotensi menjadi alat yang sangat efektif dalam memprediksi cacat perangkat lunak dan mencegahnya selama proses pengembangan perangkat lunak. Selain itu, melalui analisis regresi linear, model ini memiliki nilai "Intercept" (intersepsi) sebesar -0.093 dan koefisien "Coef" sebesar 0.007. "Intercept" mencerminkan titik awal atau baseline dalam prediksi model ini, sementara koefisien "Coef" mengindikasikan sejauh mana perubahan dalam variabel independen berpengaruh terhadap prediksi variabel dependen. Hasil penelitian ini memiliki dampak yang signifikan dalam konteks implementasi metode Naive Bayes untuk analisis prediksi cacat perangkat lunak, terutama dalam penggunaan bahasa pemrograman Python dengan bantuan Google Colab. Implementasi metode ini dapat membantu dalam memitigasi risiko dan meningkatkan kualitas perangkat lunak selama proses pengembangan.
Implementasi Web Scraping Pada Situs Berita Menggunakan Metode Supervised learning Hari Agus Prastyo, Edwin; Putra Eka Prismana, IGL; Wiratsongko, Radityo
Inovate Vol 5 No 1 (2020): September
Publisher : Fakultas Teknologi Informasi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33752/inovate.v5i1.3079

Abstract

Indonesia is one of the highest internet users in the world, including in the penetration of information on the internet, online news media. But in general news sites not only display news information, but Most sites also display other information such as advertisements and also forms of navigation that interfere with news site readers and interfere with reader comfort, from these problems this study aims to implement web scraping techniques with supervised learning methods and analyzing the form of DOM tree and XPath news sites. The supervised learning approach method is the method used in this study, which is one of the methods of machine learning. By combining these web scraping techniques with supervised learning, the aim is to be able to implement and optimize web scraping techniques to gather news information from various sites. To do basic web scraping that is knowing DOM patterns, XPath structure as a data model or selector at each site. The results of research in the form of a web scrap application that can retrieve news site content without copy paste and the data is stored in a database and displayed to the user application form for the reader without any ads and navigation that disturb the reader. Keywords: web scraping, supervised learning, XPath, DOM tree.
Co-Authors Firdaus, Reza Augusta Jannatul Ida Ayu Putu Sri Widnyani Jayawarsa, A.A. Ketut M Faisal Putra Eka Prismana, IGL Wiratsongko, Radityo