IRPIIRPI
MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer ScienceTikTok telah berkembang menjadi salah satu platform interaksi digital terkenal secara luas di seluruh dunia, yang memiliki lebih dari satu miliar orang pengguna aktif. Namun, sebagian video di TikTok memperoleh tingkat engagement yang tinggi meskipun menggunakan pendekatan konten yang serupa. Riset ini dimaksudkan untuk menelusuri unsur-unsur yang memberikan pengaruh terhadap engagement video di TikTok dengan menerapkan algoritma Regresi Linear Berganda. Variabel yang dianalisis meliputi durasi video, jumlah tayangan, komentar, like, share, dan download. Setelah melalui tahap preprocessing data, seleksi fitur, dan pengujian asumsi regresi, ditemukan bahwa video_like_count, video_share_count, dan video_download_count memiliki pengaruh paling signifikan terhadap jumlah tayangan. Hasil evaluasi model membuktikan bahwa model regresi menunjukkan kinerja prediktif yang sangat baik, dengan nilai R² Squared sebesar 0,978, RMSE sebesar 0,0742, dan MSE sebesar 0,0055. Riset ini memberikan gambaran praktis kepada konten kreator dan konten marketing dalam merancang produksi konten yang lebih optimal. Model prediksi ini juga dapat dimanfaatkan untuk memperkirakan potensi engagement suatu video sebelum dipublikasikan.
Riset ini berhasil mengkaji faktor-faktor yang memengaruhi tingkat engagement video di platform TikTok menggunakan metode Multiple Regresi Linear pada dataset dari Kaggle.Faktor seperti durasi video, jumlah tayangan, like, share, dan komentar terbukti berpengaruh signifikan, dengan jumlah tayangan memiliki dampak terbesar terhadap like, share, dan komentar.Model prediksi yang dibangun menunjukkan akurasi tinggi dengan MSE dan RMSE rendah, memberikan wawasan berharga bagi pembuat konten dan pemasar untuk mengoptimalkan strategi engagement.
Penelitian lanjutan dapat mengeksplorasi bagaimana waktu pengunggahan video memengaruhi engagement di TikTok dengan membandingkan pola interaksi harian dan malam hari untuk mengidentifikasi waktu optimal. Selain itu, studi selanjutnya bisa menganalisis pengaruh jenis konten, seperti video edukasi versus hiburan, terhadap tingkat like dan share menggunakan metode regresi yang lebih canggih seperti Random Forest untuk menangani keterbatasan asumsi linear. Akhirnya, penelitian berikutnya disarankan untuk menguji sentimen teks transkripsi video guna memahami bagaimana emosi dalam konten berkontribusi terhadap komentar dan unduhan, melengkapi analisis distribusi data dan variabel tambahan yang disebutkan sebelumnya.
- Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier... doi.org/10.23960/jitet.v10i1.2262Analisis Sentimen Kinerja Dewan Perwakilan Rakyat DPR Pada Twitter Menggunakan Metode Naive Bayes Classifier doi 10 23960 jitet v10i1 2262
- Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. hasil klasifikasi algoritma random forest deteksi... doi.org/10.29207/resti.v5i1.2880Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i hasil klasifikasi algoritma random forest deteksi doi 10 29207 resti v5i1 2880
- Perbandingan Kinerja Regresi Decision Tree dan Regresi Linear Berganda untuk Prediksi BMI pada Dataset... doi.org/10.24246/juses.v6i1p34-43Perbandingan Kinerja Regresi Decision Tree dan Regresi Linear Berganda untuk Prediksi BMI pada Dataset doi 10 24246 juses v6i1p34 43
| File size | 557.48 KB |
| Pages | 11 |
| DMCA | Report |
Related /
IRPIIRPI Sistem yang dikembangkan mencapai akurasi 92,5% dalam klasifikasi niat dan skor F1 lebih dari 89% dalam pengenalan entitas, hasil yang diperoleh dari validasiSistem yang dikembangkan mencapai akurasi 92,5% dalam klasifikasi niat dan skor F1 lebih dari 89% dalam pengenalan entitas, hasil yang diperoleh dari validasi
IRPIIRPI 5, PM10, CO2, dan NO2 untuk pemantauan real-time polutan. Hasil menunjukkan bahwa pengintegrasian teknologi IoT dengan komputasi awan dan algoritma machine5, PM10, CO2, dan NO2 untuk pemantauan real-time polutan. Hasil menunjukkan bahwa pengintegrasian teknologi IoT dengan komputasi awan dan algoritma machine
IRPIIRPI Hasil evaluasi menggunakan Davies-Bouldin Index (DBI) menunjukkan bahwa K-Medoids menghasilkan cluster yang lebih terpisah dan kualitas yang lebih baikHasil evaluasi menggunakan Davies-Bouldin Index (DBI) menunjukkan bahwa K-Medoids menghasilkan cluster yang lebih terpisah dan kualitas yang lebih baik
IRPIIRPI Namun, aplikasi masih memiliki kelemahan pada antarmuka yang kurang intuitif dan keterbatasan dalam mengelola kategori barang yang kompleks. PengembanganNamun, aplikasi masih memiliki kelemahan pada antarmuka yang kurang intuitif dan keterbatasan dalam mengelola kategori barang yang kompleks. Pengembangan
IRPIIRPI Sementara pada Tomat Late Blight mendapatkan skor terendah pada Recall 0. 7594 dan F1-Score 0. 8510, menunjukkan tantangan dalam klasifikasi. AnalisisSementara pada Tomat Late Blight mendapatkan skor terendah pada Recall 0. 7594 dan F1-Score 0. 8510, menunjukkan tantangan dalam klasifikasi. Analisis
IRPIIRPI Dengan demikian, penelitian ini berhasil mencapai tujuannya dan memberikan kontribusi penting dalam pengembangan sistem prediksi berbasis machine learningDengan demikian, penelitian ini berhasil mencapai tujuannya dan memberikan kontribusi penting dalam pengembangan sistem prediksi berbasis machine learning
UIN WALISONGOUIN WALISONGO Analisis DIF menyoroti item Q11, Q15, dan Q18 yang memunculkan bias gender signifikan, serta Q8 dengan efek sedang. Berdasarkan boosting classification,Analisis DIF menyoroti item Q11, Q15, dan Q18 yang memunculkan bias gender signifikan, serta Q8 dengan efek sedang. Berdasarkan boosting classification,
POLTEKKES PADANGPOLTEKKES PADANG Teknik pengumpulan data menggunakan metode wawancara, observasi, pemeriksaan fisik, pengukuran GCS dan studi dokumentasi. Hasil evaluasi dari intervensiTeknik pengumpulan data menggunakan metode wawancara, observasi, pemeriksaan fisik, pengukuran GCS dan studi dokumentasi. Hasil evaluasi dari intervensi
Useful /
IRPIIRPI Penelitian ini berhasil menunjukkan bahwa kombinasi MLP Classifier dengan TF-IDF mampu mengklasifikasikan sentimen masyarakat terkait penunjukan KaesangPenelitian ini berhasil menunjukkan bahwa kombinasi MLP Classifier dengan TF-IDF mampu mengklasifikasikan sentimen masyarakat terkait penunjukan Kaesang
IRPIIRPI Sistem manajemen persediaan berbasis AI membantu restoran mengoptimalkan tingkat stok, mengurangi limbah, dan memprediksi permintaan dengan lebih akurat,Sistem manajemen persediaan berbasis AI membantu restoran mengoptimalkan tingkat stok, mengurangi limbah, dan memprediksi permintaan dengan lebih akurat,
ADPETIKISINDOADPETIKISINDO Hasan Hanafi menggunakan Islam kiri dalam konteks struktur sosial di mana ada dua kelas sosial yang berlawanan. Dunia Islam saat ini telah terkooptasiHasan Hanafi menggunakan Islam kiri dalam konteks struktur sosial di mana ada dua kelas sosial yang berlawanan. Dunia Islam saat ini telah terkooptasi
UNISTIUNISTI Secara simultan, kebijakan dividen, struktur modal, ukuran perusahaan, dan profitabilitas berpengaruh positif dan signifikan terhadap nilai perusahaanSecara simultan, kebijakan dividen, struktur modal, ukuran perusahaan, dan profitabilitas berpengaruh positif dan signifikan terhadap nilai perusahaan