Prediksi Video Performance Akun Youtube Buzzfeed Menggunakan Metode Naïve Bayes

Abstract

Selama beberapa tahun terakhir, perkembangan media sosial sangat pesat sehingga mencakup hampir seluruh aspek kehidupan manusia. Dengan berkembangnya media sosial ini, tentu saja hiburan dan teknologi ikut berkembang beriringan bersamanya. Orang-orang sekarang mencari kesenangan besosialisasi dan berbagi segala sesuatunya melalui internet, salah satunya melalui video dan disebarkan melalui Youtube. Hal ini mendorong banyak orang sekarang menjadikan platform tersebut sebagai media untuk mata pencaharian mereka, salah satunya adalah Buzzfeed. Oleh karena itu diperlukan penelitian mengenai performa video-video tersebut untuk mengetahui bagaimana perkembangan akun Youtube tersebut kedepannya. Dari sekian banyak metode untuk memprediksi performa video-video tersebut, digunakanlah metode Naive Bayes. Metode ini digunakan karena merupakan metode yang mudah serta cepat, serta dapat bekerja dengan jumlah data yang sedikit. Pengumpulan data dilakukan dengan teknik dokumentasi, dengan mengumpulkan semua data-data yang ada pada akun Youtube Buzzfeed dan kemudian diolah sesuai keperluan penelitian. Total data yang dikumpulkan selama setahun yaitu pada tahun 2019 mencapai 772 data yang kemudian dikelola menggunakan software Rapid Miner menggunakan metode Naive Bayes. Kemudian dari penelitian ini dapat disimpulkan bahwa Naive Bayes memiliki akurasi total yang cukup baik yaitu 86.01%, dengan class recall untuk kelas rendah sebesar 91.21%, dan kelas sedang dan tinggi sebesar 0%, sedangkan class precision untuk prediksi kelas rendah sebesar 94.32% dan kelas sedang dan tinggi sebesar 0%. Hal ini dikarenakan minimnya variasi data dengan kelas sedang dan tinggi sehingga algoritma masih sulit untuk memprediksi dengan tepat kelas dengan nilai sedang dan tinggi tersebut. GS Cited Analysis