ANALISIS PENGEMBANGAN MODEL PREDIKSI KESUKSESAN KICKSTARTER MENGGUNAKAN ALGORITMA BACKPROPAGATION DAN RANDOM FOREST

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, dimana model dikembangkan dalam dua tahap. Tahap pertama, model prediksi dikembangkan dengan 10 variable (9 variabel sebagai input dan 1 variabel sebagi laebl) yang ada pada dataset. Kemudian pada tahap kedua hanya 8 variabel (7 variabel sebagai input dan 1 variabel sebagai label), dikurangi variabel-variabel tentang pledge dan backers pada pengembangan model prediksi. Pengembangan model prediksi ini menggunakan 5723 data campaign kategori teknologi dari portal Kickstarter. Model pertama menggunakan algoritma backpropagation ANN dan random forest memberikan akurasi tertinggi masing-masing sebesar (89%, 98%) Sedangkan model kedua memberikan akurasi tertinggi masing-masing sebesar (69%, 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. Dan dari data yang sudah didapat dapat disimpulkan bahwa model yang akan dipakai untuk memprediksi kesuksesan kickstarter adalah model pertama dengan menggunakan algoritma rando forest yang merupakan model terbaik dengan nilai akurasi 98% dan nilai f1-score nya 98%