ABSTRAK Nama : Farhan Ahmad Primaditya Program Studi : Sistem Informasi Judul : Model Pemilihan Fitur untuk Memprediksi Software Defect Menggunakan Algoritma Optimisasi Biner Rao Pembimbing : Prof. Drs. T. Basaruddin, M.Sc., Ph.D Di dunia digital saat ini, penggunaan perangkat lunak telah menjadi bagian penting dalam kehidupan sehari-hari dan bisnis. Perangkat lunak harus diuji secara ketat untuk menghindari kerugian finansial dalam proses memperbaiki perangkat lunak. Perangkat lunak yang bebas dari cacat dapat meningkatkan fungsionalitas bisnis secara signifikan. Karena itu, memprediksi cacat pada perangkat lunak menjadi sangat penting dalam industri teknologi. Tujuan dari prediksi cacat pada perangkat Lunak (Software Defect Prediction - SDP) adalah untuk menemukan kemungkinan malfungsi pada perangkat lunak. Penelitian ini mengusulkan pendekatan pemilihan fitur hibrida (filter dan wrapper) berdasarkan metode pengambilan keputusan multi kriteria (Multi Criteria Decision Making - MCDM) dan metode optimisasi Rao untuk memilih fitur yang lebih informatif untuk meningkatkan tingkat prediksi cacat pada perangkat lunak. Fungsi kecocokan (fitness function) yang diusulkan mengukur kecocokan solusi kandidat dengan menggunakan tingkat akurasi prediksi cacat pada perangkat lunak dan rasio fitur pada himpunan data yang dipilih. Kinerja metode yang diusulkan dievaluasi menggunakan tiga himpunan data acuan NASA yang populer (PC5, JM1, dan KC1) dan dibandingkan dengan metode state-of-the-art. Dalam penelitian acuan yang ditulis oleh Thirumoorthy et al. (2022), metode yang diajukan menunjukkan kinerja yang lebih baik daripada algoritma pembanding. Namun, saat peneliti mencoba mereplikasi penelitian acuan, metode yang diajukan tidak menghasilkan peningkatan kinerja yang signifikan. Kata kunci: Model seleksi fitur, TOPSIS, Algoritma optimisasi Rao hybrid, Prediksi cacat pada perangkat lunak (Software Defect Prediction - SDP)