PREDIKSI VIEWER YOU TUBE DAN TIKTOK MENGGUNAKAN RANDOM FOREST

Hamzah, Nurul (2025) PREDIKSI VIEWER YOU TUBE DAN TIKTOK MENGGUNAKAN RANDOM FOREST. Skripsi thesis, UNAMA.

	Text BAB I.pdf Download (317kB)
	Text BAB II.pdf Restricted to Registered users only Download (664kB)
	Text BAB III.pdf Restricted to Registered users only Download (356kB)
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text BAB V.pdf Download (191kB)
	Text DAFTAR PUSTAKA.pdf Download (434kB)

Abstract

YouTube dan TikTok merupakan platform media sosial yang banyak dimanfaatkan oleh content creator dan perusahaan dalam menjangkau audiens serta mengoptimalkan strategi pemasaran digital. Prediksi jumlah penonton menjadi aspek yang krusial dalam menganalisis performa konten dan meningkatkan keterlibatan pengguna. Penelitian ini bertujuan untuk membangun model prediksi jumlah penonton menggunakan algoritma Random Forest, dengan data yang bersumber dari channel YouTube Kakkoi Nime. Data penelitian mencakup variabel seperti jumlah tayangan, persentase ditonton di feed, rasio klik-tayang (RCT), dan distribusi konten. Model Random Forest dipilih karena kemampuannya dalam menangani data dengan banyak variabel serta mengurangi risiko overfitting. Hasil penelitian menunjukkan bahwa fitur tayangan dan RCT memiliki korelasi yang signifikan terhadap jumlah penonton. Selain itu, hasil prediksi yang diperoleh memiliki tingkat akurasi yang tinggi dan cukup sesuai dengan data asli maupun data terbaru, menunjukkan bahwa model yang dibangun memiliki performa yang baik dalam memprediksi jumlah penonton. Penelitian ini diharapkan dapat memberikan wawasan bagi content creator, perusahaan, dan analis media sosial dalam merancang strategi konten yang lebih optimal. Kajian lebih lanjut dapat mempertimbangkan faktor tambahan seperti tren, waktu unggah, dan jenis konten untuk meningkatkan akurasi prediksi

Actions (login required)

View Item