ANDRIYANI, DWI INDAH (2025) ANALISIS DAN PREDIKSI VIEWS VIDEO PADA CHANNEL YOUTUBE DHAKSINARGA TV MENGGUNAKAN ALGORITMA RANDOM FOREST REGRESSION UNTUK OPTIMALISASI STRATEGI KONTEN DENGAN PENDEKATAN CRISP-DM. Skripsi thesis, Universitas Teknologi Digital Indonesia.
![[img]](https://eprints.utdi.ac.id/style/images/fileicons/text.png) |
Text (HALAMAN DEPAN)
1_215610052_HALAMAN_DEPAN.pdf - Published Version Download (574kB) |
|
Text (BAB I)
2_215610052_BAB_I.pdf - Published Version Download (19kB) |
|
Text (BAB II)
3_215610052_BAB_II.pdf - Published Version Download (320kB) |
|
Text (BAB III)
4_215610052_BAB_III.pdf - Published Version Restricted to Repository staff only Download (108kB) |
|
Text (BAB IV)
5_215610052_BAB_IV.pdf - Published Version Restricted to Repository staff only Download (650kB) |
|
Text (BAB V)
6_215610052_BAB_V.pdf - Published Version Download (18kB) |
|
Text (DAFTAR PUSTAKA)
7_215610052_DAFTAR_PUSTAKA.pdf - Published Version Download (136kB) |
|
Text (LAMPIRAN)
8_215610052_LAMPIRAN.pdf - Published Version Download (1MB) |
Abstract
YouTube merupakan salah satu platform berbagi video yang memiliki pengaruh besar dalam menyampaikan informasi kepada masyarakat. Dalam proyek ini, dilakukan prediksi jumlah views video pada kanal YouTube Dhaksinarga TV berdasarkan kategori konten, dengan tujuan untuk memberikan rekomendasi strategi produksi konten yang lebih efektif. Metode yang digunakan dalam proyek ini adalah Random Forest Regression yang diterapkan menggunakan Python. Dataset yang digunakan berisi data metrik performa video dengan jumlah total 998 data, diambil dari kanal Dhaksinarga TV. Data dibagi menjadi 80% untuk pelatihan dan 20% untuk pengujian. Selain itu, dilakukan analisis korelasi antar fitur untuk memahami hubungan antara variabel seperti likes, shares, views, comments added, dislikes, subscribers lost, subscriber gained, shown in feed, average vies duration, watch time(hours), subscribers, impressions, impressions click-through rate (%), dan kategori. Evaluasi menggunakan R² Score sebesar 92.58% menunjukkan bahwa model mampu menjelaskan 92.58% variabilitas data, sedangkan MAPE sebesar 11.58% menandakan tingkat kesalahan prediksi yang rendah. Hasil prediksi menunjukkan bahwa kategori "Pendidikan dan Pelatihan" memiliki rata-rata views tertinggi (455.94 views), diikuti oleh "Kebudayaan" (266.13 views), sedangkan kategori "Kesehatan dan Lingkungan" memiliki rata-rata views terendah (139.71 views). Rekomendasi yang diberikan adalah memprioritaskan produksi konten dengan kategori berprediksi tinggi guna meningkatkan engagement dan jangkauan audiens. Proyek ini berhasil menunjukkan bahwa pemanfaatan algoritma Random Forest Regression dapat menjadi alat yang efektif untuk memprediksi performa konten video berdasarkan data historis, serta memberikan wawasan untuk optimalisasi strategi konten di platform digital. Kata kunci: prediksi views, machine learning, random forest regression, YouTube.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Additional Information: | Pembimbing: Y. Yohakim Marwanta, S.Kom., M.Cs. |
| Uncontrolled Keywords: | prediksi views, machine learning, random forest regression, YouTube. |
| Subjects: | A Karya Umum (General) > Ilmu Komputer (Computer Science) > Algoritma |
| Divisions: | Jenjang S1 > Sistem Informasi (S1) |
| Depositing User: | Titis Pratiwi |
| Date Deposited: | 12 Mar 2025 02:32 |
| Last Modified: | 12 Mar 2025 02:32 |
| URI: | http://eprints.utdi.ac.id/id/eprint/10719 |
Actions (login required)
 |
View Item |
