Prediksi Model Terbaik Keberhasilan dari Kampanye Crowdfunding Kickstarter dengan Algoritma Random Forest dan Logistic Regression

Kadek Rio Arta Putra, I (2026) Prediksi Model Terbaik Keberhasilan dari Kampanye Crowdfunding Kickstarter dengan Algoritma Random Forest dan Logistic Regression. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (610kB)
	PDF BAB_I.pdf Download (218kB)
	PDF BAB_II.pdf Download (247kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (287kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (1MB)
	PDF BAB_V.pdf Restricted to Registered users only Download (206kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (219kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)
	Archive (ZIP) 00000072147_2521_LembarPengesahan.pdf Restricted to Registered users only Download (65kB)

Abstract

Perkembangan platform crowdfunding seperti Kickstarter memberikan peluang bagi individu maupun organisasi untuk memperoleh pendanaan secara daring, namun tidak seluruh kampanye berhasil. Penelitian ini memiliki tujuan untuk menganalisis dan menilai performa algoritma Random Forest dan Logistic Regression dalam memprediksi keberhasilan kampanye crowdfunding Kickstarter serta mengidentifikasi faktor-faktor yang paling berpengaruh terhadap keberhasilan kampanye. Dataset yang diperoleh dari Web Robots telah melalui tahap preprocessing, transformasi fitur, One-Hot Encoding, dan feature scaling sebelum dipisah dengan rasio data latih sebesar 70% dan data uji sebesar 30%. Pengujian dilakukan menggunakan K-Fold Cross Validation dengan nilai k=5 dan k=10, serta penggunaan parameter class weight='balanced' untuk menangani ketidakseimbangan kelas. Lalu, model juga dilakukan evaluasi menggunakan metrik accuracy, precision, recall, F1-score dan confusion matrix. Hasil penelitian menunjukkan bahwa algoritma Random Forest memiliki performa yang lebih baik dibandingkan Logistic Regression pada seluruh skenario pengujian. Model terbaik diperoleh pada Random Forest dengan K-Fold Cross Validation k=10 tanpa penggunaan class weight, dengan nilai accuracy sebesar 0,9290 dan F1-score sebesar 0,9564, Selain itu, hasil feature importance menunjukkan bahwa fitur goal usd, duration, blurb length, dan name length menjadi faktor yang paling berpengaruh terhadap keberhasilan kampanye crowdfunding. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma Random Forest efektif digunakan untuk memprediksi keberhasilan kampanye crowdfunding Kickstarter.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Kadek Rio Arta Putra, I (00000072147)
Contributors:	Irmina Prasetiyowati, Maria
Keywords:	crowdfunding, Kickstarter, Logistic Regression, machine learning, Random Forest ix Prediksi Model Terbaik...,
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	09 Jul 2026 08:00
URI:	https://kc.umn.ac.id/id/eprint/47290

Actions (login required)

View Item