Prediksi Klik Iklan Online Menggunakan Regresi Logistik: Studi Empiris Tentang Pendekatan Berbasis Data

Gita Ayu Syafarina(1*), Zaenuddin Zaenuddin(2)

(1) Fakultas Teknologi Informasi, Universitas Islam Kalimantan MAB Banjarmasin
(2) Fakultas Teknologi Informasi, Universitas Islam Kalimantan MAB Banjarmasin
(*) Corresponding Author

Sari


Penelitian ini bertujuan untuk mengembangkan model yang mampu memprediksi apakah pengguna akan mengklik iklan online atau tidak. Model prediksi ini diharapkan dapat membantu para pengiklan untuk mengalokasikan anggaran secara lebih efektif. Dalam penelitian ini, algoritma Random Forest digunakan untuk membangun model prediksi. Data yang digunakan meliputi informasi demografi pengguna, perilaku penjelajahan, serta karakteristik iklan. Hasil pengujian menunjukkan bahwa model Random Forest mampu mencapai akurasi sebesar 53% dalam memprediksi klik iklan. Meskipun hasil ini cukup baik, masih terdapat ruang untuk peningkatan. Beberapa kendala yang dihadapi dalam penelitian ini antara lain adalah kompleksitas data, ketidakseimbangan kelas, serta perubahan perilaku pengguna yang dinamis. Untuk penelitian selanjutnya, disarankan untuk mengeksplorasi algoritma lain, melakukan feature engineering yang lebih mendalam, serta mempertimbangkan konteks sosial dan budaya pengguna

Teks Lengkap:

PDF

Referensi


Andrian, R., Anwar, S., Muhammad, M. A., & Junaidi, A. (2019). Identifikasi Kupu-Kupu Menggunakan Ekstraksi Fitur Deteksi Tepi (Edge Detection) dan Klasifikasi K-Nearest Neighbor (KNN). Jurnal Teknik Informatika Dan Sistem Informasi, 5(2). https://doi.org/10.28932/jutisi.v5i2.1744

Era, S. S.-E. D. T. B. D., & 2023, undefined. (n.d.). BAB 4 STRATEGI PEMASARAN DALAM EKONOMI DIGITAL. Books.Google.Com. Retrieved January 20, 2024, from https://books.google.com/books?hl=id&lr=&id=CznnEAAAQBAJ&oi=fnd&pg=PA35&dq=PREDIKSI+KLIK+IKLAN+ONLINE+regresi+logistik&ots=2qO-fRpjQ7&sig=kpDBT6jpt6y7rgQ4hFu9bZqeo1M

Hamdanah, F. H., & Fitrianah, D. (n.d.). ANALISIS PERFORMANSI ALGORITMA LINEAR REGRESSION DENGAN GENERALIZED LINEAR MODEL UNTUK PREDIKSI PENJUALAN PADA USAHA MIKRO, KECIL, DAN MENENGAH. Ejournal.Undiksha.Ac.Id, 10. https://doi.org/10.23887/janapati.v10i1.31035

Ilham, R. F., & Suwarno, A. E. (2021). PENGARUH UKURAN PERUSAHAAN, PROFITABILITAS, LEVERAGE DAN LIKUIDITAS TERHADAP KEBIJAKAN DIVIDEN PADA PERUSAHAAN PROPERTI DAN REAL ESTATE. Jurnal MEBIS (Manajemen Dan Bisnis), 6(2), 62–75. https://doi.org/10.33005/mebis.v6i2.253

Mutro, S., Izzah, A., Kurniawardhani, A., & Masrur, M. (2014). OPTIMASI TEKNIK KLASIFIKASI MODIFIED K NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA Optimization Techniques Modi ed k Nearest Neighbor Classi cation Using Genetic Algorithm. Ejournal.Umm.Ac.Id, 130–134. https://ejournal.umm.ac.id/index.php/gamma/article/view/2493

Pengajar, S., Sosial, J., Pertanian, E., & Agribisnis, /. (2011). ANALISIS PERILAKU KONSUMEN BERAS ORGANIK DI KABUPATEN JEMBER Titin Agustina. In jurnal.unej.ac.id (Vol. 5). http://jurnal.unej.ac.id/index.php/JSEP/article/view/436

Pujiati, S. (2010). Keputusan Bisnis dalam R. https://books.google.com/books?hl=id&lr=&id=xlI9UW3__moC&oi=fnd&pg=PR3&dq=PREDIKSI+KLIK+IKLAN+ONLINE+regresi+logistik&ots=7EbVNfmvjJ&sig=Pf8MOEPXvSDXSuoueroAPirvGj4

S.T., M.Kom., K., Setiwan, W., & Dirgantari, P. D. (2020). Analisis Kajian Manajemen Proses Bisnis Pelaksanaan Penelitian & Pengabdian Kepada Masyarakat (PKM) Pada Perguruan Tinggi Swasta. At-Tijaroh: Jurnal Ilmu Manajemen Dan Bisnis Islam, 6(1), 77–91. https://doi.org/10.24952/tijaroh.v6i1.2402

Saraswati, A., Pradekso, T., Online, D. S.-…, & 2014, undefined. (n.d.). Analisis Faktor-Faktor yang Menyebabkan Iklan Pop-Up Dihindari. Ejournal3.Undip.Ac.Id. Retrieved January 20, 2024, from https://ejournal3.undip.ac.id/index.php/interaksi-online/article/view/5606

Teknologi, J., Munusamy, M., Muthuveerappan, C., Baba, M., Abdullah, N., & Asmoni, M. (2015). An Overview of the Forecasting Methods Used in Real Estate Housing Price Modelling. In journals.utm.my (Vol. 73, Issue 5). www.jurnalteknologi.utm.my




DOI: http://dx.doi.org/10.31602/tji.v16i2.15943

Refbacks

  • Saat ini tidak ada refbacks.


© 2025 Technologia   p-ISSN: 2086-6917    e-ISSN: 2656-8047

-------------------------------------------------------------------------------------------

This work is licensed under a Creative Commons Attribution 4.0 International License.