![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
ABSTRAK Natsir Hasan Amrulloh
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
COVER Natsir Hasan Amrulloh
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 1 Natsir Hasan Amrulloh
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 2 Natsir Hasan Amrulloh
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 3 Natsir Hasan Amrulloh
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 4 Natsir Hasan Amrulloh
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
BAB 5 Natsir Hasan Amrulloh
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
PUSTAKA Natsir Hasan Amrulloh
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Terbatas  Yati Rochayati
» Gedung UPT Perpustakaan
Dengan beralihanya dunia konvensional ke dunia virtual, pemahaman algoritma
Internet diperlukan untuk beradaptasi dengan pemkembangan dunia, terutama
untuk aspek informasi dan komersil. Pada penelitian ini dilakukan pengembangan
sebuah model machine yang mampu memprediksi jumlah penonton dari sebuah
video Youtube dengan mempelajari bobot dari setiap faktor yang mempengaruhi
performa video, yaitu title interestingness, video interestingness, retensi video,
jumlah subscriber, respon video. Model tersebut dikembangkan dengan
menggunakan algoritma machine neural network sehingga didapat model yang
mampu memprediksi jumlah penonton dari sebuah video dengan tingkat error
8,62%. Pada model ini juga didapat bahwa faktor yang paling mempengaruhi
jumlah views dari sebuah video pada lapisan pertama adalah jumlah subscriber
yang dimiliki oleh suatu kanal dengan nilai persen bobotnya 72,03% dan kualitas
video pada lapisan kedua dengan persen bobot 84,33%.