Detail Cantuman Kembali
IMPLEMENTASI MACHINE LEARNING DENGAN RANDOM FOREST UNTUK MEMPREDIKSI PENDAPATAN PADA CONTENT MONETIZATION FACEBOOK
- Bagikan:
Penelitian ini bertujuan mengimplementasikan algoritma machine learning dengan Random Forest untuk memprediksi pendapatan pada sistem Content Monetization Facebook. Latar belakang penelitian adalah tingginya ketidakpastian pendapatan kreator konten akibat interaksi non-linier dari berbagai variabel performa, sehingga diperlukan model prediksi yang akurat guna mendukung perencanaan keuangan dan alokasi sumber daya produksi.
Penelitian dilakukan dengan mengumpulkan data historis 412 konten gambar dari Facebook Creator Studio, yang mencakup variabel seperti tayangan, interaksi, likes, komentar, share, save, dan pendapatan. Data diproses melalui tahap preprocessing (pembersihan, encoding, normalisasi), kemudian dilatih menggunakan algoritma Random Forest Regressor dengan konfigurasi parameter: n_estimators = 200, max_depth = 10, min_samples_split = 10, min_samples_leaf = 5, max_features = 0.7, bootstrap =True, dan random_state = 42, dengan rasio data latih 80% dan data uji 20%. Evaluasi model menggunakan metrik Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan R-squared (R²) dengan validasi silang 5-fold.
Hasil penelitian menunjukkan model mencapai nilai R² sebesar 0,7853 atau 78,53%, yang mengindikasikan kemampuan model dalam menjelaskan variasi pendapatan. Nilai MAE, rata-rata kesalahan absolut, sebesar 0,0183 dolar AS dan RMSE, akar rata-rata kesalahan kuadrat, sebesar 0,0351 dolar AS menunjukkan tingkat kesalahan prediksi yang rendah. Analisis feature importance mengungkap bahwa tayangan dengan kontribusi 14,04%, log tayangan 12,58%, dan log interaksi 11,94% merupakan faktor paling berpengaruh terhadap pendapatan. Model ini dapat menjadi alat pendukung bagi kreator dalam memprediksi pendapatan secara lebih akurat serta memberikan landasan strategis untuk optimalisasi konten.
Kata Kunci: Facebook Creator Studio, machine learning, parameter tuning, prediksi pendapatan, Random Forest, sistem monetisasi konten.
068 SAT I R.1
NONE
Text Skripsi
Indonesia
UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)
2026
Yogyakarta
017 SI 2026
LOADING LIST...
LOADING LIST...