Cacat yang mungkin timbul pada perangkat lunak saat proses pengembangan dapat mempengaruhi kualitas perangkat lunak. Oleh karena itu, perlu upaya untuk mencegah adanya kecacatan yang besar pada perangkat lunak yakni dengan prediksi cacat software. Metode klasifikasi digunakan untuk memprediksi cacat software agar dapat meminimalisir kecacatan. Namun, dataset yang digunakan pada proses klasifikasi kemungkinan terdapat fitur yang kurang relevan atau jumlah fiturnya terlalu banyak. Hal ini dapat diatasi dengan melakukan seleksi fitur pada dataset. Pada penelitian ini, algoritma Random Forest diterapkan untuk proses klasifikasi dan algoritma Artificial Bee Colony (ABC) sebagai metode seleksi fitur. Tujuan dari penelitian ini adalah untuk mengetahui akurasi yang dihasilkan olehRandom Forest dengan seleksi fitur ABC. Dari hasil penelitian yang dilakukan pada 3 dataset Relink, tanpa seleksi fitur didapatkan rata-rata akurasi sebesar 73,37%. Dan setelah diterapkan seleksi fitur ABC, rata-rata akurasi terbaik yang dihasilkan adalah sebesar 82,03%.