PERBANDINGAN KINERJA LARGE LANGUAGE MODEL (LLM) BERBASIS LLAMA2 DALAM MEMPERBAIKI KESALAHAN PENULISAN KODE JAVASCRIPT

Iman Nurohman, - (2024) PERBANDINGAN KINERJA LARGE LANGUAGE MODEL (LLM) BERBASIS LLAMA2 DALAM MEMPERBAIKI KESALAHAN PENULISAN KODE JAVASCRIPT. S1 thesis, Universitas Pendidikan Indonesia.

	Text S_RPL_2005086_Title.pdf Download (640kB)
	Text S_RPL_2005086_Chapter1.pdf Download (138kB)
	Text S_RPL_2005086_Chapter2.pdf Restricted to Staf Perpustakaan Download (906kB)
	Text S_RPL_2005086_Chapter3.pdf Download (555kB)
	Text S_RPL_2005086_Chapter4.pdf Restricted to Staf Perpustakaan Download (596kB)
	Text S_RPL_2005086_Chapter5.pdf Download (94kB)
	Text S_RPL_2005086_Appendix.pdf Restricted to Staf Perpustakaan Download (810kB)

Abstract

ESLint merupakan alat analisa statis yang digunakan untuk mendeteksi kesalahan penulisan logika dari sintaks kode JavaScript. Akan tetapi, tidak semua kesalahan sintaks kode dapat diperbaiki oleh ESLint. Untuk mengatasi hal tersebut pendekatan dengan Large Language Model adalah salah satu cara yang dapat diterapkan. Large Language Model (LLM) merupakan bagian dari pengembangan Deep Learning pada penugasan pemrosesan bahasa alami yang telah menarik perhatian belakangan ini. Kemampuannya telah terbukti dapat memahami dan membantu untuk menyelesaikan permasalahan saat menulis sebuah kode program. Penelitian ini mengusulkan penggunaan model bahasa besar yang berbasis Llama2 dengan melatih model tersebut pada tugas khusus untuk melakukan perbaikan pada kesalahan penulisan sintaks kode khususnya pada kode Javascript. Pendekatan ini memanfaatkan kemampuan Llama2 dalam memahami sintaksis dan semantik kode program serta menghasilkan perbaikan yang akurat dan efektif. Hasil pengujian menunjukkan bahwa model-model berbasis Llama2 mampu mencapai akurasi perbaikan kesalahan khususnya kode Javascript dengan rata-rata skor akurasi 93%. Kualitas kode yang dihasilkan model mendapatkan hasil yang baik dengan skor 57 pada metrik CodeBLEU, dan dapat melampaui hasil model sebelumnya. Temuan ini menunjukan potensi besar dalam penggunaan Large Language Model khususnya model berbasis Llama2 untuk melakukan tugas Automated Program Repair (APR) dan dapat membuka jalan untuk pengembangan sistem perbaikan kode program yang lebih canggih dan efisien. ---------- ESLint is a static analyzer used to detect logical errors in JavaScript code syntax. However, not all code syntax errors can be fixed by ESLint. To overcome this, the Large Language Model approach is one way that can be applied. Large Language Model (LLM) is a part of Deep Learning development on natural language processing assignment that has attracted attention recently. Its ability has been proven to understand and help to solve problems when writing a program code. This research proposes the use of a large language model based on Llama2 by training the model on a specific task to correct code syntax errors, especially in JavaScript code. This approach leverages Llama2's ability to understand the syntax and semantics of program code and produce accurate and effective corrections. The test results show that Llama2-based models are able to achieve error correction accuracy, especially in JavaScript code with an average accuracy score of 93%. The quality of the code produced by the models is good with a score of 57 on the CodeBLEU metric, and can surpass the results of previous models. These findings show great potential in using Large Language Mode especially Llama2-based models to perform Automated Program Repair (APR) tasks and can pave the way for the development of repair systems.

Item Type:	Thesis (S1)
Additional Information:	https://scholar.google.com/citations?hl=en&user=mxlT13oAAAAJ ID SINTA Dosen Pembimbing: Dian Anggraini : 6681986 Raditya Muhammad: 6682222
Uncontrolled Keywords:	ESLint, JavaScript, Automated Program Repair, Large Language Model dan Llama2
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	UPI Kampus cibiru > S1 Rekayasa Perangkaat Lunak
Depositing User:	Iman Nurohman
Date Deposited:	23 Aug 2024 02:59
Last Modified:	24 Aug 2024 14:54
URI:	http://repository.upi.edu/id/eprint/118788

Actions (login required)

View Item