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

Model prediksi ini dibangun dengan pendekatan klasifikasi pada data mining algoritma backpropagation ANN dan random forest . Kategori tingkat kesuksesan dibagi menjadi dua yaitu tidak sukses, sukses. Selanjutnya model dikembangkan berdasarkan variabel-variabel informasi yang ada, dimana dalam tahap. Tahap pertama, 10 variable (9 variabel sebagai input 1 sebagi laebl) ada dataset. Kemudian tahap kedua hanya 8 (7 label), dikurangi tentang pledge backers pengembangan prediksi. Pengembangan menggunakan 5723 campaign kategori teknologi dari portal Kickstarter. pertama memberikan akurasi tertinggi masing-masing sebesar (89%, 98%) Sedangkan (69%, 65.7%) Hasil penelitian tersebut menunjukkan bahwa pengurangan dapat menurunkan performa Berkaitan pemanfaatan, 2 adalah perbandingan. Dan sudah didapat disimpulkan akan dipakai untuk memprediksi kickstarter rando merupakan terbaik nilai 98% f1-score nya 98%.