PEMODELAN KLASIFIKASI EFEKTIVITAS GOOGLE ADS BERDASARKAN METRIK PERFORMA KAMPANYE MENGGUNAKAN ALGORITMA CATBOOST

Abstract

Perkembangan pemasaran digital mendorong peningkatan penggunaan Google Ads sebagai media promosi, sehingga menghasilkan volume data kinerja kampanye yang semakin besar dan kompleks. Evaluasi efektivitas kampanye yang masih dilakukan secara manual cenderung memerlukan waktu lebih lama serta berpotensi menimbulkan interpretasi yang tidak konsisten. Penelitian ini bertujuan membangun model klasifikasi untuk mengevaluasi efektivitas kampanye Google Ads menggunakan algoritma CatBoost berdasarkan metrik kinerja kampanye. Metode yang digunakan adalah Cross-Industry Standard Process for Data Mining (CRISP-DM) yang meliputi tahapan business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Penelitian menggunakan dataset Google Ads sebanyak 2.600 data kampanye yang diproses melalui tahap pembersihan data, rekayasa fitur, pelabelan efektivitas, serta pembagian data pelatihan dan pengujian. Model CatBoost diterapkan untuk mengklasifikasikan efektivitas kampanye ke dalam empat kategori, yaitu Sangat Efektif, Efektif, Kurang Efektif, dan Tidak Efektif. Hasil pengujian menunjukkan bahwa model memperoleh akurasi sebesar 97% serta nilai precision, recall, dan F1-score yang tinggi pada setiap kategori. Temuan ini menunjukkan bahwa CatBoost efektif digunakan untuk mendukung evaluasi kampanye Google Ads secara lebih cepat, konsisten, dan berbasis data