<![CDATA[Dalam pengembangan software, menghilangkan bug penting untuk menjaga kualitas aplikasi. Developer sering menghabiskan banyak waktu untuk mengatasi dan menemukan solusi bug yang dialami. Beragamnya jenis bug membuat proses ini menjadi semakin kompleks dan memakan waktu. Berdasarkan hal tersebut, klasifikasi bug menjadi solusi penting. Data penyelesaian bug yang tersedia secara public dapat dimanfaatkan untuk klasifikasi dan prediksi otomatis menggunakan machine learning. Penelitian ini menerapkan KNN untuk mendeteksi bug otomatis pada kode sumber open source. Hasilnya menunjukkan bahwa parameter k dalam KNN dan k-fold pada cross-validation berpengaruh signifikan terhadap performa model. Nilai k yang kecil membuat model lebih sensitive terhadap noise dan rentan overfitting, sedangkan nilai k ynag besar meningkatkan stabilitas dan generalisasi meskipun akurasi menurun. K-fold yang lebih besar menghasilkan model yang lebih stabil dengan akurasi yang lebih tinggi. Akurasi terbaik yang diperoleh adalah 0,9025 dengan presisi, recall, dan f-measure yang perlu dioptimalkan.]]>
Copyrights © 2025
