Software Defect Prediction using Oversampling Algorithm: A-SUWO

Choirunnisa, Shabrina; Meidyani, Biandina; Rochimah, Siti

doi:10.1109/eeccis.2018.8692874

Cited by 6 publications

(2 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Literature study on dependent on Figure 1 was completed determined to assemble data [16][17] from a few references identified with the issues to be examined [18], to frame the State of The Art. The following stage is create rule.…”

Section: Methodsmentioning

confidence: 99%

RETRACTED: Adaptive Temperature And Humidity Control System on Kumbung Mushroom using Fuzzy Neural Network Algorithm

Hartadi

Agustianto

Destarianto

et al. 2022

IOP Conf. Ser.: Earth Environ. Sci.

View full text Add to dashboard Cite

National mushroom production in 2018, 2017, 2016, and 2015 were: 31052, 3702, 40915 and 33485 tons. Mushroom cultivation, especially oyster mushrooms, has the potential to be developed more widely in Indonesia because it has economic value and is environmentally friendly. However, the cultivation of oyster mushrooms has challenges. The challenge that arises in the cultivation of oyster mushrooms is to grow well at a temperature of 16 – 30 °C and a relative humidity of 80 – 95%. Environmental conditioning carried out by farmers on average through spraying water in mushroom kumbung manually. The use of manual methods requires high human resources, besides that it is not effective and efficient. This study aims to develop an Adaptive Temperature and Humidity Control System on Kumbung using Backpropagation Neural Network, where to determine the temperature and humidity the system will evaluate the readings of several sensors at once. The system developed is an adaptive system with an accuracy of 97%, so it is can be used to increase the precision of mushroom cultivation, so that production efficiency and increase in mushroom production can be achieved.

show abstract

Section: Methodsmentioning

confidence: 99%

RETRACTED: Adaptive Temperature And Humidity Control System on Kumbung Mushroom using Fuzzy Neural Network Algorithm

Hartadi

Agustianto

Destarianto

et al. 2022

IOP Conf. Ser.: Earth Environ. Sci.

View full text Add to dashboard Cite

show abstract

“…Choirunnisa ve ark. [8] yapmış oldukları çalışmada NASA veri kümesi kullanılmış ve bu veri kümesinde ön işleme olarak veri dengeleme yöntemini kullanmışlardır. Ön işleme yapılmış veri kümesinde sınıf dengesizliği problemi için SMOTE, Borderline SMOTE, Safe-SMOTE ve A-SUWO (adaptive semiunsupervised oversampling) yöntemleri uygulanmıştır.…”

Section: Yayın İncelemesiunclassified

Yazılım Hata Tahmininde Farklı Alt Örnekleme ve Üst Örnekleme Yöntemlerinin Kıyaslanması

ŞEN,

BOZKURT KESER

2023

Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi

View full text Add to dashboard Cite

Bilgisayarları ve makineleri çalıştırmak üzere belirli fonksiyonların işletilebilmesi için kullanılan komutlar bütünü yazılım olarak adlandırılmaktadır. Günümüzde birçok alanda yapılan faaliyetler ve kullanılan uygulamalar, içerisinde farklı algoritmalarla tasarlanmış yazılımlar barındırır. Bu yazılımların kusursuz ve ihtiyaçları karşılayacak şekilde olması büyük önem teşkil etmektedir. Yazılımın kalitesi, yazılımın içerisinde hata barındırmaması hem yazılımı geliştiren kişilerin hem de yazılımı kullanan son kullanıcıların önem verdiği konulardır. Yazılım hata tahmini doğası gereği dengesiz sınıf problemi içerir. Bu çalışmada, öncelikle dengesiz sınıf problemi çözülmeye çalışılmıştır. Bu doğrultuda, farklı alt örnekleme ve üst örnekleme yöntemleri, literatürde araştırmacıların kullanımına açık NASA’nın PROMISE veri deposundan alınan CM1, KC1, KC2, JM1 ve PC1 veri kümelerinin üzerinde uygulanmıştır. Yazılım hata tahmini aşamasında ise farklı sınıflandırma algoritmaları karşılaştırılarak her bir veri kümesi için en uygun algoritma belirlenmiştir. Deney sonuçlarında on farklı örnekleme yöntemi ile veri kümelerindeki dengesiz sınıf problemi giderilmiş; on üç farklı sınıflandırma algoritması ile sınıflandırma işlemi yapılmıştır. 0,92 oranında AUC ölçütü ile en iyi sınıflandırma sonucu PC1 veri kümesinde elde edilmiştir. Bu çalışma ile yazılım hata tahmininde örnekleme yöntemleri ve uygun sınıflandırıcılar ile hata tahmininin başarımının daha iyi olabileceği gösterilmiştir. Elde edilen sonuçlar, literatürde yapılan çalışmalar ile karşılaştırılarak önerilen yöntemin üstünlüğü ve etkinliği kanıtlanmıştır.

show abstract

Data quality issues in software fault prediction: a systematic literature review

2022

View full text Add to dashboard Cite

Software Defect Prediction using Oversampling Algorithm: A-SUWO

Cited by 6 publications

References 8 publications

RETRACTED: Adaptive Temperature And Humidity Control System on Kumbung Mushroom using Fuzzy Neural Network Algorithm

RETRACTED: Adaptive Temperature And Humidity Control System on Kumbung Mushroom using Fuzzy Neural Network Algorithm

Yazılım Hata Tahmininde Farklı Alt Örnekleme ve Üst Örnekleme Yöntemlerinin Kıyaslanması

Data quality issues in software fault prediction: a systematic literature review

Contact Info

Product

Resources

About