PREDIKSI POPULARITAS PERTANYAAN PADA STACK OVERFLOW BERBASIS SINYAL AWAL MENGGUNAKAN GRADIENT BOOSTING

Julian Emir Prawira, Prof. Drs. Edi Winarko, M.Sc., Ph.D. ; Drs. Medi, M.Kom.; Dr. Agus Sihabuddin, S.Si., M.Kom.

2026 | Skripsi | ILMU KOMPUTER

Penelitian ini membahas permasalahan prediksi popularitas pertanyaan pada Stack Overflow dengan memanfaatkan sinyal awal yang dapat diamati segera setelah pertanyaan dipublikasikan. Berbeda dengan penelitian sebelumnya yang berfokus pada analisis retrospektif, penelitian ini merumuskan prediksi popularitas sebagai tugas peramalan ke depan dalam horizon waktu tujuh hari. Sebagian besar penelitian terdahulu menganalisis popularitas setelah interaksi pengguna telah terkumpul dalam jumlah yang memadai, sehingga kurang sesuai untuk mengidentifikasi tren yang sedang muncul segera setelah pertanyaan dipublikasikan. Sistem yang diusulkan mengintegrasikan data historis dari Stack Exchange Data Dump dengan data real-time yang diperoleh melalui Stack Exchange API. Setiap pertanyaan direpresentasikan menggunakan fitur yang berasal dari konten teks, tag, serta sinyal keterlibatan awal pengguna. Tugas prediksi dimodelkan menggunakan supervised machine learning, di mana setiap pertanyaan diberi label berdasarkan apakah pertanyaan tersebut menjadi populer dalam tujuh hari. Model menghasilkan skor probabilistik untuk memungkinkan pemeringkatan potensi tren. Untuk mengevaluasi performa dalam kondisi realistis, model diterapkan pada pertanyaan dengan tahap siklus awal yang berbeda, yaitu pertanyaan baru, pertanyaan dengan usia menengah, dan pertanyaan yang baru aktif. Beberapa model machine learning diuji, dan metode gradient boosting menunjukkan performa terbaik. LightGBM mencapai hasil terbaik dengan nilai ROC-AUC sekitar 0,83. Hasil penelitian menunjukkan bahwa sinyal keterlibatan awal efektif dalam memprediksi popularitas jangka pendek serta bahwa sistem yang diusulkan dapat mendukung identifikasi tren yang sedang berkembang secara real-time pada platform berbagi pengetahuan.

This study addresses the problem of predicting the future popularity of questions on Stack Overflow using early observable signals. Unlike prior work that focuses on retrospective analysis, this research formulates popularity prediction as a forward-looking task within a defined seven-day horizon. Existing studies primarily analyze popularity after sufficient engagement has already accumulated, which limits the applicability for identifying emerging trends immediately after a question is posted. The proposed system integrates historical data from the Stack Exchange data dump with real-time data retrieved through the Stack Exchange API. Questions are represented using features derived from textual content, tags, and early engagement signals available shortly after posting. The prediction task is modeled using supervised machine learning, where each question is labeled based on whether it becomes popular within seven days. The model generates probabilistic scores to enable ranking of questions by their predicted trending potential. To evaluate performance under realistic conditions, the model is applied to live questions at different stages of their early lifecycle, including newly posted, moderately aged, and recently active questions. Several machine learning models are evaluated, and gradient boosting methods demonstrate the strongest performance. LightGBM achieves the best results with a ROC-AUC score of approximately 0.83. These findings demonstrate that early engagement signals provide meaningful predictive power for short-term popularity, and that the proposed system can be used to rank newly posted questions based on their likelihood of becoming popular.

Kata Kunci : Stack Overflow, prediksi popularitas, pembelajaran mesin, sinyal keterlibatan awal, inferensi waktu nyata, Popularity Prediction, Machine Learning, Early Engagement Signals, Gradient Boosting, LightGBM, Real-Time Inference