<![CDATA[Perkembangan perangkat lunak yang semakin cepat menuntut proses quality assurance yang mampu mendeteksi defect secara dini, akurat, dan efisien. Pada praktiknya, pengujian manual masih banyak digunakan, namun metode ini memiliki keterbatasan dalam hal kecepatan, konsistensi, dan kemampuan menangani kompleksitas sistem yang terus meningkat. Penelitian ini bertujuan menganalisis peran artificial intelligence (AI) dalam menjamin kualitas pengembangan perangkat lunak melalui prediksi defect. Metode yang digunakan adalah eksperimen one-group post-test dengan satu kelompok data historis perangkat lunak yang dievaluasi sebelum dan sesudah penerapan model AI. Tahap awal dilakukan untuk mengukur performa baseline dalam mengidentifikasi defect, sedangkan tahap akhir dilakukan setelah model AI mempelajari pola dari riwayat kode, metrik proyek, dan laporan bug historis. Hasil penelitian menunjukkan bahwa penerapan AI mampu meningkatkan akurasi prediksi dari 78,2% menjadi 89,4%, mempercepat identifikasi modul berisiko tinggi dari 18 menit menjadi 7 menit, serta meningkatkan F1-score sebesar 13,2%. Temuan ini menegaskan bahwa AI tidak hanya berfungsi sebagai alat otomasi, tetapi juga sebagai mekanisme prediktif yang mendukung peningkatan kualitas perangkat lunak secara proaktif.]]>
Copyrights © 2026
