Teknologi Machine Learning dapat diaplikasikan dalam berbagai bidang, antara lain
untuk melakukan prediksi kecacatan perangkat lunak yang bergantung pada jumlah operator
pada program, panjang source code program, kesulitan source code program, kepintaran
program, estimasi time pengerjaan program. Hasil prediksi dari kecacatan perangkat lunak
ini sebagai bahan evaluasi untuk bahan evaluasi bagi software engineer untuk pembuatan
atau pengembangan program. Prediksi dilakukan dengan menggunakan metode neural
network dengan fungsi aktivasi adalah ReLU (Rectified Linear Unit) dengan menggunakan
jupyter notebook dengan menggunakan 2 cara yaitu dengan menggunakan 10 cross validation
dan tanpa 10 cross validation atau neural network saja. dengan data set Jm1. Dataset ini
merupakan hasil dari ekstraksi dari source code yang dilakukan pada tahun 70-an yang
dilakukan oleh NASA untuk mengkarakterisasi fitur-fitur dan kode kode yang terkait dengan
perangkat lunak. Didapati hasil prediksi yang dilakukan dengan menggunakan neural
network terhadap kecacatan perangkat lunak sebesar 97.939329352319706% dan hasil
prediksi menggunakan 10 cross validation sebesar 78,1249%. Hasil tersebut tidak selalu
sama karena saat prediksi dilakukan, data tranning dan data testing selalu diacak, dengan
begitu