ANALISIS PENGEMBANGAN MODEL PREDIKSI KESUKSESAN KICKSTARTER MENGGUNAKAN ALGORITMA BACKPROPAGATION ARTIFICIAL NEURAL NETWORK(ANN) DAN RANDOM FOREST

AGUSTINA , INDRIA (2022) ANALISIS PENGEMBANGAN MODEL PREDIKSI KESUKSESAN KICKSTARTER MENGGUNAKAN ALGORITMA BACKPROPAGATION ARTIFICIAL NEURAL NETWORK(ANN) DAN RANDOM FOREST. FAKULTAS TEKNIK, UNIVERSITAS LAMPUNG.

Preview	File PDF 1. ABSTRAK - ASBTRACT.pdf Download (73Kb) | Preview
	File PDF 2. SKRIPSI FULL.pdf Restricted to Hanya staf Download (1643Kb) | Minta salinan
Preview	File PDF 3. SKRIPSI TANPA BAB PEMBAHASAN.pdf Download (1435Kb) | Preview

Abstrak (Berisi Bastraknya saja, Judul dan Nama Tidak Boleh di Masukan)

Pertumbuhan pendanaan proyek melalui Crowdfunding, khususnya salah satu portal reward-based Crowdfunding yaitu kickstarter memiliki kecenderungan untuk meningkat setiap tahunnya. Berdasarkan pernyataan tersebut, penelitian ini berfokus untuk mengembangkan model prediksi tingkat kesuksesan kickstarter supaya fundraiser dapat merancang strategi untuk meningkatkan kesuksesan proyek dan juga melakukan antisipasi terhadap potensi risiko yang timbul akibat tingkat kesuksesan yang dicapai misalnya kecurangan pendanaan dana untuk funder. Model prediksi ini dibangun dengan pendekatan klasifikasi pada data mining dengan algoritma Backpropagation ANN dan Random Forest. Kategori tingkat kesuksesan dibagi menjadi dua yaitu tidak sukses, dan sukses. Selanjutnya model prediksi dikembangkan berdasarkan variabel-variabel informasi yang ada. Ada dua percobaan yang dilakukan, yang mana pada percobaan pertama model prediksi dikembangkan dengan 10 variabel (9 variabel sebagai input dan 1 variabel sebagai label output) yang ada pada dataset sedangkan pada percobaan kedua hanya 8 variabel (7 variabel sebagai input dan 1 variabel sebagai label output), dikurangi variabel tentang pledge dan backers pada pengembangan model prediksi. Hasil untuk percobaan pertama menggunakan algoritma Backpropagation ANN dan Random Forest memberikan akurasi tertinggi masing-masing 89% dan 98%, sedangkan model kedua memberikan akurasi tertinggi masing-masing 69% dan 65.7%. Hasil penelitian tersebut menunjukkan bahwa pengurangan variabel pledge dan backers dapat menurunkan performa model prediksi. Berkaitan dengan pemanfaatan, 2 model prediksi tahap pertama dan kedua adalah sebagai perbandingan. Sehingga berdasarkan data hasil yang sudah dimiliki dapat disimpulkan bahwa model yang akan digunakan untuk memprediksi kesuksesan kickstarter adalah model pertama dengan menggunakan algoritma Random Forest dengan n_estimator 500 yang merupakan model terbaik dengan nilai akurasi 98% dan nilai f1-score 98%. Kata Kunci: Kickstarter, Crowdfunding, Prediksi, Artificial Neural Network, Random Forest.

Jenis Karya Akhir:	Skripsi
Subyek:	000 Ilmu komputer, informasi dan pekerjaan umum 000 Ilmu komputer, informasi dan pekerjaan umum > 005 Pemrograman komputer, program dan data
Program Studi:	Fakultas Teknik > Prodi S1-Teknik Informatika
Pengguna Deposit:	2208088065 . Digilib
Date Deposited:	24 Aug 2022 03:32
Terakhir diubah:	24 Aug 2022 03:32
URI:	http://digilib.unila.ac.id/id/eprint/65510

Actions (login required)

Lihat Karya Akhir