Analisis Faktor Dominan Penentu Engagement pada Konten TikTok dengan Model XGBoost untuk Strategi Optimasi
Keywords:
TikTok, XGBoost, konten digital, views, likes, shares, algoritma, strategi konten.Abstract
Sebagai salah satu platform dengan jangkauan global untuk distribusi konten video pendek dengan algoritma For You Page (FYP) canggih, TikTok menjadi platform dengan tingkat penggunaan tertinggi saat ini. Penelitian ini bertujuan menganalisis performa konten akun TikTok @bitjoy.idn, pada periode 16 April hingga 15 Mei 2025 dengan menggunakan pendekatan machine learning melalui model XGBoost Regression. Data yang digunakan dalam analisis ini mencakup jumlah views (49.915), likes (3.105), shares (967), comments (100), dan profile views (899). Penilaian menunjukkan tidak seimbangnya pertumbuhan post views dengan +7.517,3% dan profile views +14.983,3%. Hasil evaluasi model menunjukkan tingkat akurasi prediksi yang baik dengan koefisien determinasi
R2 Score masing-masing 0,91 (views), 0,86 (likes), dan 0,84 (shares). Analisis kontribusi fitur menunjukkan bahwa kombinasi berbagai elemen konten seperti hashtag, audio trending, caption, dan lokasi berpengaruh besar dalam mendorong jangkauan dan interaksi pengguna. Penelitian ini menunjukkan bukti yang kuat bahwa analisis konten yang mengedepankan data analitik dapat dijadikan landasan untuk merumuskan strategi yang lebih terarah untuk meningkatkan engagement dan distribusi konten di TikTok.
