PREDIKSI PEMBELIAN BERDASARKAN CLICK THROUGH RATE IKLAN DIGITAL MENGGUNAKAN ALGORITMA RANDOM FOREST

Putriani, Dewi (2025) PREDIKSI PEMBELIAN BERDASARKAN CLICK THROUGH RATE IKLAN DIGITAL MENGGUNAKAN ALGORITMA RANDOM FOREST. Undergraduate thesis, Universitas Nusantara PGRI Kediri.

	Text (Full Text) RAMA_57201_2113030001.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (5MB) | Request a copy
	Text (Similarity) RAMA_57201_2113030001_SIMILARITY.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (2MB)
	Text (Cover sd BAB 1 + References) RAMA_57201_2113030001_0721029101_0712108103_01_front_ref.pdf - Accepted Version Available under License Creative Commons Public Domain Dedication. Download (2MB)
	Text (BAB 2) RAMA_57201_2113030001_0721029101_0712108103_02.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (460kB) | Request a copy
	Text (BAB 3) RAMA_57201_2113030001_0721029101_0712108103_03.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (524kB) | Request a copy
	Text (BAB 4) RAMA_57201_2113030001_0721029101_0712108103_04.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (872kB) | Request a copy
	Text (BAB 5) RAMA_57201_2113030001_0721029101_0712108103_05.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (278kB) | Request a copy
	Text (References) RAMA_57201_2113030001_0721029101_0712108103_06_ref.pdf - Bibliography Available under License Creative Commons Public Domain Dedication. Download (149kB)
	Text (Lampiran) RAMA_57201_2113030001_0721029101_0712108103_07_lamp.pdf - Accepted Version Restricted to Registered users only Available under License Creative Commons Public Domain Dedication. Download (1MB) | Request a copy

Abstract

Perkembangan pesat teknologi digital telah mengubah lanskap periklanan, terutama melalui digital advertising yang kini mendominasi berbagai platform daring. Meskipun metrik click through rate (CTR) kerap dijadikan indikator utama dalam mengukur efektivitas iklan digital, kenyataannya CTR yang tinggi tidak selalu berbanding lurus dengan keputusan pembelian. Hal ini memicu kebutuhan untuk membangun model prediksi yang tidak hanya mengandalkan klik semata, tetapi juga mampu memprediksi kemungkinan konversi secara lebih akurat. Penelitian ini bertujuan untuk menghasilkan model prediksi pembelian berdasarkan CTR iklan digital dengan menggunakan algoritma Random Forest, yang dioptimasi melalui tuning hyperparameter dan penerapan class weight untuk menangani masalah ketidakseimbangan kelas. Metode yang digunakan dalam penelitian ini mengikuti pendekatan CRISP-DM dengan data Social Network Ads dari Kaggle. Hasil penelitian menunjukkan bahwa model Random Forest yang dioptimasi mampu memberikan performa yang sangat baik dalam mengklasifikasikan keputusan pembelian pengguna. Model ini mencapai akurasi sebesar 93%, recall sebesar 0.98, dan F1-score sebesar 0.92. Performa ini menunjukkan peningkatan signifikan dibandingkan model-model sebelumnya, seperti Decision Tree (82%) dan Light Gradient Boosting (91%). Temuan ini menegaskan bahwa kombinasi tuning hyperparameter dan penggunaan class weight menjadi strategi efektif dalam menangani ketidakseimbangan data dan meningkatkan performa model prediksi. Penelitian ini diharapkan dapat memberikan kontribusi praktis dalam strategi pemasaran digital berbasis data, serta menjadi acuan dalam pengembangan sistem rekomendasi yang lebih responsif terhadap kebutuhan pengguna.

Actions (login required)

View Item