Garuda - Garba Rujukan Digital

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

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.

Hidroponik: Pemanfaatan Pertanian di Lahan Terbatas Sebagai Alternatif Ketahanan Pangan Mufarrihah, Iftitaahul; Andriani, Anita; Lazulfa, Indana; Firdaus, Reza Augusta Jannatul
Dinamis: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 1 (2025): Januari-Juni 2025
Publisher : Universitas Hasyim Asy'ari Tebuireng Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33752/dinamis.v5i1.9248

Kurangnya pemanfaatan lahan pekarangan dan rendahnya keterlibatan ibu rumah tangga dalam kegiatan produktif menyebabkan potensi ekonomi dan ketahanan pangan di desa Banjaragung belum optimal. Pengabdian ini bertujuan untuk mengenalkan sistem pertanian hidroponik sebagai alternatif pemanfaatan lahan sempit yang bernilai ekonomi. Kegiatan dilaksanakan menggunakan metode Asset-Based Community Development (ABCD) yang berfokus pada pengembangan potensi lokal dan pemberdayaan masyarakat melalui pendekatan aset yang telah dimiliki. Hasil kegiatan menunjukkan bahwa peserta, terutama ibu rumah tangga, mampu memahami teknik pertanian hidroponik Deep Flow Technique (DFT), serta menunjukkan minat tinggi untuk menerapkannya di lingkungan rumah masing-masing. Pengabdian ini berhasil membangun instalasi hidroponik sederhana sebagai media praktik dan sarana edukasi lanjutan. Implikasi dari pengabdian ini antara lain meningkatnya kesadaran warga terhadap pentingnya teknologi hidroponik sebagai solusi pertanian modern, peningkatan akses terhadap sayuran sehat bebas pestisida, serta terbukanya peluang ekonomi kreatif berbasis hidroponik yang mendukung kemandirian pangan rumah tangga secara berkelanjutan.

Hidroponik: Pemanfaatan Pertanian di Lahan Terbatas Sebagai Alternatif Ketahanan Pangan Mufarrihah, Iftitaahul; Andriani, Anita; Lazulfa, Indana; Firdaus, Reza Augusta Jannatul
Dinamis: Jurnal Pengabdian Kepada Masyarakat Vol. 5 No. 1 (2025): Januari-Juni 2025
Publisher : Universitas Hasyim Asy'ari Tebuireng Jombang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33752/dinamis.v5i1.9248

Kurangnya pemanfaatan lahan pekarangan dan rendahnya keterlibatan ibu rumah tangga dalam kegiatan produktif menyebabkan potensi ekonomi dan ketahanan pangan di desa Banjaragung belum optimal. Pengabdian ini bertujuan untuk mengenalkan sistem pertanian hidroponik sebagai alternatif pemanfaatan lahan sempit yang bernilai ekonomi. Kegiatan dilaksanakan menggunakan metode Asset-Based Community Development (ABCD) yang berfokus pada pengembangan potensi lokal dan pemberdayaan masyarakat melalui pendekatan aset yang telah dimiliki. Hasil kegiatan menunjukkan bahwa peserta, terutama ibu rumah tangga, mampu memahami teknik pertanian hidroponik Deep Flow Technique (DFT), serta menunjukkan minat tinggi untuk menerapkannya di lingkungan rumah masing-masing. Pengabdian ini berhasil membangun instalasi hidroponik sederhana sebagai media praktik dan sarana edukasi lanjutan. Implikasi dari pengabdian ini antara lain meningkatnya kesadaran warga terhadap pentingnya teknologi hidroponik sebagai solusi pertanian modern, peningkatan akses terhadap sayuran sehat bebas pestisida, serta terbukanya peluang ekonomi kreatif berbasis hidroponik yang mendukung kemandirian pangan rumah tangga secara berkelanjutan.

Naive Bayes Classification for Software Defect Prediction Prastyo, Edwin Hari Agus; Yaqin, Muhammad Ainul; Suhartono; Faisal, M.; Firdaus, Reza Augusta Jannatul
Transactions on Informatics and Data Science Vol. 1 No. 1 (2024)
Publisher : Department of Informatics, Faculty of Da'wah, UIN Saizu Purwokerto

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24090/tids.v1i1.12192

Software defects are an inevitable aspect of software development, exerting substantial influence on the reliability and performance of software applications. This research addresses the imperative need to enhance the prediction and monitoring of software defects within the software development domain. With a focus on system stability and the prevention of software malfunctions, this study underscores the significance of proactive measures, including robust software testing, routine maintenance, and continuous system monitoring. The central challenge addressed in this research pertains to the insufficient efficiency of predicting software defects during the development phase. To address this challenge, the study employs the Naive Bayes classification method. Test results conducted on the complete dataset reveal that the Naive Bayes method yields classifications with an exceptionally high accuracy rate, reaching 98%. These findings suggest that the method holds great potential as an effective tool for predicting and preventing software defects throughout the software development process. Additionally, through linear regression analysis, the model exhibits an intercept value of -0.09359968 and a coef coefficient of 0.00761893. The outcomes of this research bear significant implications for the implementation of the Naive Bayes method in software bug prediction analysis, particularly in the utilization of the Python programming language with the assistance of Google Colab. The adoption of this method can play a pivotal role in mitigating risks and elevating the overall quality of software during the developmental stages.

Title

Found 4 Documents
Search

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search