Saat ini, evaluasi konten digital pada TVRI Aceh masih sebatas meninjau laporan data setelah siaran selesai, sehingga pengelola kesulitan memahami faktor apa saja yang sebenarnya membuat interaksi penonton naik atau turun secara pasti. Penelitian ini bertujuan untuk merumuskan strategi siaran langsung YouTube TVRI Aceh melalui pendekatan analisis data yang terukur. Menggunakan dataset 504 siaran, algoritma Random Forest Regression diimplementasikan dengan memanfaatkan 11 fitur prediktor utama mencakup metrik performa, waktu publikasi, dan kategori konten untuk memprediksi empat metrik engagement berbasis rasio: Likes, Comments added, Shares, dan Subscribers gained. Hasil pengujian menunjukkan bahwa model berhasil melakukan prediksi dengan tingkat kesalahan yang sangat kecil. Metrik Likes menjadi model paling stabil dengan nilai MAE 0,006653, RMSE 0,008575, dan R2 0,0915. Keberhasilan prediksi pada metrik lain juga tercermin dari rendahnya nilai error, yakni pada metrik Comments added (MAE 0,000484; RMSE 0,000788), Shares (MAE 0,007513; RMSE 0,009057), serta Subscribers gained (MAE 0,002740; RMSE 0,003343). Melalui analisis Mean Decrease in Impurity (MDI), ditemukan bahwa fitur numerik jauh lebih dominan memengaruhi interaksi daripada kategori konten. Variabel impressions memberikan kontribusi tertinggi pada metrik Shares (0,310643) dan Subscribers gained (0,316399), sementara variabel duration (0,290930) dan average percentage viewed (0,254377) masing-masing mendominasi metrik Comments added dan Likes. Temuan ini membuktikan bahwa kualitas pengalaman menonton dan jangkauan distribusi adalah kunci utama engagement di TVRI Aceh, yang kini menjadi dasar bagi pengelola kanal untuk menyusun strategi siaran secara proaktif.