NADYA SIKANA (2024) PREDIKSI KESUKSESAN FILM BERDASARKAN FITUR DAN KOMENTAR TRAILER MENGGUNAKAN MODEL ENSEMBLE+LSTM. Masters (S-2) thesis, Universitas Mikroskil.
![[thumbnail of BAGIAN AWAL.pdf]](https://repository.mikroskil.ac.id/style/images/fileicons/text.png)
BAGIAN AWAL.pdf
Download (2MB)
![[thumbnail of BAB I.pdf]](https://repository.mikroskil.ac.id/style/images/fileicons/text.png)
BAB I.pdf
Download (1MB)
![[thumbnail of BAB II.pdf]](https://repository.mikroskil.ac.id/style/images/fileicons/text.png)
BAB II.pdf
Download (3MB)
![[thumbnail of BAB III.pdf]](https://repository.mikroskil.ac.id/style/images/fileicons/text.png)
BAB III.pdf
Restricted to Registered users only
Download (2MB)
![[thumbnail of BAGIAN AKHIR.pdf]](https://repository.mikroskil.ac.id/style/images/fileicons/text.png)
BAGIAN AKHIR.pdf
Download (1MB)
Abstract
Memprediksi kesuksesan film menjadi satu aspek yang sangat penting karena terdapat risiko yang tinggi di dalam produksi sebuah film. Tantangannya adalah ketidakpastian di dalam industri film dan memilih model machine learning yang tepat. Kita dapat menggabungkan fitur film dan analisis sentimen dari media sosial menggunakan teknik machine learning untuk mencapai prediksi kesuksesan film. Metode yang digunakan untuk prediksi berdasarkan fitur film adalah model Ensemble (Random Forest + Gradient Boosting). Sedangkan metode yang digunakan untuk analisis sentimen komentar trailer adalah LSTM. Evaluasi model yang digunakan adalah perhitungan RMSE dan akurasi. Hasil akhir dari prediksi kesuksesan mendapatkan RMSE sebesar 0,8807 dan akurasi 91,19%. Ini merupakan peningkatan dari penelitian sebelumnya. Penelitian selanjutnya disarankan untuk menerapkan model pada industri film.
Item Type: | Tugas Akhir / Tesis (Masters (S-2)) |
---|---|
Subjects: | Teknologi Informasi |
Divisions: | Fakultas Informatika > Program Studi S-2 Teknologi Informasi |
Depositing User: | Merpita Saragih |
Date Deposited: | 29 Aug 2024 07:37 |
Last Modified: | 29 Aug 2024 07:37 |
URI: | https://repository.mikroskil.ac.id/id/eprint/3684 |