%0 Thesis %9 Bachelor/Skripsi %A Sandra, Egi Yoni %A Universitas Negeri Padang, %B Teknik Elektronika FT UNP %D 2025 %F repounp:49702 %I Universitas Negeri Padang %T Penerapan Data Mining dalam Optimalisasi Strategi Pemasaran Afiliasi di Tiktok Menggunakan Algoritma Content Based Filtering %U https://repository.unp.ac.id/id/eprint/49702/ %X Pemasaran afiliasi di platform TikTok menghadapi tantangan saturasi informasi dan rendahnya relevansi konten promosi akibat kesenjangan antara produk yang ditawarkan dengan minat spesifik audiens. Penelitian ini bertujuan untuk merancang dan membangun model Content-Based Filtering (CBF) yang sistematis guna menghasilkan peringkat relevansi antara produk afiliasi dengan konten video berdasarkan analisis fitur tekstual. Metodologi penelitian terapan kuantitatif ini mengadopsi kerangka kerja Knowledge Discovery in Databases (KDD) untuk mengolah data historis dari akun kreator TikTok @arpa_ads. Data tekstual (caption dan hashtag) diproses melalui tahap pra-pemrosesan (termasuk stemming menggunakan Sastrawi) dan ditransformasikan menjadi representasi numerik menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Tahap penambangan data kemudian menggunakan Cosine Similarity untuk menghitung tingkat kemiripan konten. Hasil evaluasi model menggunakan metrik Precision, Recall, dan F1-Score menghasilkan nilai rata-rata seimbang sebesar 0.58, yang menunjukkan bahwa sistem memiliki kemampuan yang cukup baik dalam mengidentifikasi hubungan semantik antara deskripsi produk dan video promosi. Hasil rekomendasi divisualisasikan melalui dashboard interaktif di Tableau, yang berfungsi sebagai alat bantu strategis bagi kreator untuk mengoptimalkan strategi konten dan meningkatkan potensi konversi. Secara keseluruhan, penelitian ini membuktikan bahwa penerapan Content-Based Filtering berbasis konten teks dapat mendukung pengambilan keputusan yang berbasis data dalam pemasaran afiliasi di TikTok.