<![CDATA[Perkembangan platform YouTube mendorong kreator konten Free Fire untuk memahami faktor-faktor yang memengaruhi performa video untuk meningkatkan strategi publikasi yang lebih efektif. Namun, penelitian yang mengintegrasikan pelebelan otomatis, klasifikasi, dan interpretabilitas model untuk mengungkap faktor penentu masih terbatas. Penelitian ini bertujuan mengembangkan model klasifikasi performa video menggunakan pelabelan otomatis berbasis K-Means, algoritma Random Forest, dan Explainable Artificial Intelligence berbasis SHAP. Dataset yang digunakan terdiri atas 4.000 video Free Fire dari kanal YouTube Indonesia. Proses pelabelan menggunakan algoritma K-Means berdasarkan evaluasi Elbow Method, Silhouette Score, Calinski-Harabasz Index, dan Davies-Bouldin Index. Hasil evaluasi menunjukkan bahwa K=2 memberikan kualitas klaster terbaik dengan nilai Silhouette Score tertinggi, dipilih untuk membentuk dua label, yaitu High Performance sebesar 74,23% dan Low Performance sebesar 25,77%. Selanjutnya, model Random Forest yang dioptimalkan dengan GridSearchCV serta pembagian 80% data pelatihan dan 20% data pengujian. Hasil dari pengujian Random Forest mencapai akurasi sebesar 92,37% dan akurasi 10-Fold Cross Validation rata-rata sebesar 91,59%. Analisis SHAP menunjukkan bahwa Subscriber_Channel merupakan faktor yang paling berpengaruh, diikuti oleh Duration_Sec, Title_Length, Video_Age_Days, Upload_Hour_WIB dan Upload_day_WIB. Kebaruan penelitian ini terletak pada integrasi pelabelan otomatis berbasis K-Means, optimasi Random Forest menggunakan GridSearchCV, serta interpretasi model menggunakan SHAP dalam analisis performa video YouTube. Penelitian ini masih terbatas pada video Free Fire dari kanal YouTube Indonesia sehingga generalisasi terhadap kategori konten maupun wilayah lain memerlukan penelitian lanjutan]]>
Copyrights © 2026
