Implementasi Metode Random Forest pada Kategori Konten Kanal Youtube

Abstract

Random Forest adalah metode klasifikasi ensemble dalam algoritma pembelajaran mesin. Metode klasifikasi ensemble bertujuan untuk meningkatkan akurasi model dan kinerja klasifikasi. Berdasarkan ukuran akurasi, Random Forest menunjukkan performa terbaik diantara metode klasifikasi yang ada, seperti Support Vector Machine (SVM) dan AdaBoost. Oleh karena itu, penelitian ini menerapkan metode klasifikasi Random Forest pada kategori konten kanal Youtube. Variabel prediktor klasifikasi adalah jumlahsubscribers, jumlah video, jumlah penayangan video, dan lama kanal Youtube. Metode Random Forest menunjukkan jumlah pohon yang dipilih adalah 100 dan mtry adalah 1. Jumlah subscribers merupakan variabel yang paling berpengaruh dalam pengkategorian konten kanal Youtube dengan tingkat kepentingan sebesar 19,04%. Akurasi klasifikasi yang dihasilkan sebesar 77,27%.