Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal CICES (Cyberpreneurship Innovative and Creative Exact and Social Science)
Ainun, Dipika Syaiban
Unknown Affiliation
Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Law, Crime, Criminology & Criminal Justice

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Perbandingan Test Case Prioritization Menggunakan Algoritma Greedy dan Algoritma Hill Climbing Ainun, Dipika Syaiban
CICES (Cyberpreneurship Innovative and Creative Exact and Social Science) Vol 11 No 2 (2025): CICES
Publisher : UNIVERSITAS RAHARJA

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33050/cices.v11i2.3514

Abstract

Software Testing merupakan salah satu langkah penting dalam memastikan suatu software tetap unggul serta dapat berjalan dan digunakan oleh masyarakat luas, software testing dapat dilakukan menggunakan Regression Testing untuk memastikan software tidak mengalami kerusakan atau terdapat bug baru setelah perubahan terjadi. Regression Testing digunakan untuk menghemat waktu dan biaya pengujian dengan menerapkan Test Case Prioritization yang berfungsi agar software tester dapat memilih test case yang paling penting untuk dilakukan pengujian berdasarkan penggunaan algoritma Greedy dan algoritma Hill Climbing yang digabungkan dengan parameter lain seperti Severity Rating, dan matriks Average Percentage Fault Detection (APFD). Fokus penelitian ini adalah mencari urutan prioritas test case berdasarkan hasil pengujian Regression Testing pada website demoblaze.com berdasarkan perbandingan algoritma Greedy dan algoritma Hill Climbing yang digabungkan dengan parameter Severity Rating berdasarkan nilai APFD tertinggi. Hasil dari penelitian menunjukkan penggunaan algoritma Hill Climbing lebih efektif dalam menentukan prioritas test case dengan memperoleh nilai APFD sebesar 0.91, sedangkan algoritma Greedy mendapatkan nilai APFD sebesar 0.9.
Co-Authors