Dalam sub domain Prediksi Cacat Perangkat lunak, terdapat permasalahan terkait feature yang irrelevant dan redundant sehingga memerlukan tindakan penyelesaian untuk mengefektifkan kerja prediksi. Tulisan ini bertujuan untuk memberikan solusi dari permasalahan optimasi multi tujuan dalam hal pengurangan cost dan peningkatan performance dalam proses seleksi fitur pada prediksi cacat perangkat lunak. Metode yang digunakan yakni penerapan algoritma NSGA II sebagai algoritma optimasi multi tujuan, KNN (K-Nearest Neighbor) sebagai konstruksi model dan AUC sebagai validator dari hasil model. Penulis menggunakan algoritma satu tujuan sebagai pembanding dari hasil yang didapat. Hasil penelitian menunjukkan bahwa algoritma Multi Objective yang ditawarkan memiliki peningkatan kinerja yang lebih baik daripada GA atau NONE dan fitur yang dipilih dapat meningkatkan manfaat yang dibuktikan dengan kombinasi 3 fitur yang dipilih mampu memberikan kinerja klasifikasi yang baik sebesar 80,48% dalam skor AUC Prediksi Cacat Perangkat Lunak , Seleksi Fitur, Multi
Tujuan, NSGA II