Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 PENINGKATAN DONASI DENGAN STRATEGI PEMASARAN DIGITAL PEDULISEHAT.ID MENGGUNAKAN FRAMEWORK CRISP-DM Eggy Herlambang1, Carola Basuki2, Lorio Purnomo3, Surjandy4 1,4)Jurusan Sistem Informasi, Fakultas Sistem Informasi, Universitas Bina Nusantara, Jakarta, Indonesia 2,3BINUS Entrepreneurship Center, Departemen Manajemen, Program Sarjana BINUS Business School, Universitas Bina Nusantara, Jakarta, Indonesia e-mail: eggy.herlambang@binus.ac.id 1, carola.basuki001@binus.ac.id 2, lorio.purnomo@binus.ac.id 3, surjandy@binus.ac.id 4 ABSTRACT Pedulisehat.id is forum that offers services in the form of online, real-time, and transparent fundraising to collecting various donations from the public to help patients with chronic diseases and need funds for the treatment process. There are several problems that occur at Pedulisehat.id. Based on the data that has been collected, the researcher draws several problems that occur at Pedulisehat.id. First, the success of Advertising (a promo from a program) to increase public interest in donating to one of the existing programs at Pedulisehat.id. Second, Marketing Cost expenses in the Pedulisehat.id division are not and are not yet comparable to the donations that come in from the public. This research uses descriptive and sentiment analysis method to assist each campaigner in increasing respondents to the campaigns carried out by each user in terms of collecting and inviting the whole community to donate. The process of making this research design using 5 stages of CRISPDM from 6 existing stages, there are: Business Understanding, Data Understanding, Data Preparation, Modeling, Evaluation. The results of this study are expected to provide the best campaign suggestions to users running on Pedulisehat.id and predictive analytics techniques, which from the results of analytics based on existing data will display predictions that will be achieved by Pedulisehat.id. Keywords — Real time, Penggalangan dana, CRISP-DM, Media social, Advertising ABSTRAK Pedulisehat.id adalah forum yang menawarkan layanan berupa penggalangan dana secara online, real-time, dan transparan hingga pengumpulan berbagai donasi dari masyarakat untuk membantu pasien penyakit kronis dan membutuhkan dana untuk proses pengobatan. Ada beberapa permasalahan yang terjadi di Pedulisehat.id. Berdasarkan data yang telah dikumpulkan, peneliti menggambarkan beberapa permasalahan yang terjadi di Pedulisehat.id. Pertama, keberhasilan Advertising (promo dari suatu program) untuk meningkatkan minat masyarakat untuk berdonasi di salah satu program yang ada di Pedulisehat.id. Kedua, pengeluaran Biaya Pemasaran pada divisi Pedulisehat.id tidak dan belum sebanding dengan donasi yang masuk dari masyarakat. Penelitian ini menggunakan metode deskriptif dan analisis sentimen untuk membantu setiap juru kampanye dalam meningkatkan responden terhadap kampanye yang dilakukan oleh setiap pengguna dalam hal mengumpulkan dan mengajak seluruh masyarakat untuk berdonasi. Proses pembuatan desain penelitian ini menggunakan 5 tahapan CRISP-DM dari 6 tahapan yang ada yaitu: Pemahaman Bisnis, Pemahaman Data, Persiapan Data, Pemodelan, dan Evaluasi. Hasil penelitian ini diharapkan dapat memberikan saran kampanye terbaik kepada pengguna yang menjalankan Pedulisehat.id dan teknik analisis prediktif, yang mana dari hasil analisis berdasarkan data yang ada akan menampilkan prediksi yang akan dicapai oleh Pedulisehat.id. Kata Kunci — Real time, Penggalangan dana, CRISP-DM, Media social, Advertising 1. PENDAHULUAN Pedulisehat.id adalah forum yang menawarkan layanan berupa penggalangan dana secara online, real-time, dan transparan. Pedulisehat.id sendiri fokus pada penggalangan dana bagi mereka yang menderita penyakit kronis dan tidak memiliki cukup dana untuk berobat, berobat, dan juga biaya kelangsungan hidup. Sebab, harus dipenuhi biaya-biaya Institut Informatika dan Bisnis Darmajaya 86 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 lain seperti biaya susu khusus bayi dan balita, alat kesehatan penunjang kesehatan, dan lain sebagainya yang harus ditanggung pasien (Advertorial, 2019). Pedulisehat.id merupakan platform crowdfunding seperti platform lainnya, termasuk Kitabisa.com. Dalam proses pelaksanaannya, platform ini berguna untuk menghimpun berbagai donasi dari masyarakat dan menyalurkan donasi tersebut kepada pihak-pihak yang membuat kampanye, atau pihak-pihak tertentu yang melakukan kegiatan promosi penggalangan dana di Platform Pedulisehat.id dan kampanye itu sendiri merupakan sebuah upaya penggalangan dana dengan tujuan membantu pasien penyakit kronis dan membutuhkan dana untuk proses pengobatan. Manfaat platform Pedulisehat.id untuk memudahkan orang atau pihak tertentu dalam melakukan penggalangan dana, serta dalam menyalurkan donasi dari masyarakat karena pedulisehat.id akan mensosialisasikan kampanye penggalangan dana yang dibuat oleh pengguna atau perusahaan tertentu.Kesadaran akan kekuatan munculnya platform online untuk berbagai kegiatan juga menjadi salah satu alternatif dalam kegiatan filantropi. Pemanfaatan platform tidak hanya berfungsi untuk memperoleh donatur dalam jumlah besar, namun juga digunakan sebagai bentuk kontrol dan evaluasi terhadap program (Khoirunisa et al., 2019) Saat ini banyak masyarakat Indonesia yang berpartisipasi dan membuat penggalangan dana atau kampanye untuk membantu masyarakat yang memiliki keterbatasan dan kekurangan. Hal ini bertujuan untuk memberikan kesempatan yang lebih luas kepada seluruh masyarakat Indonesia untuk memberikan donasi atau bantuan guna membantu saudara-saudaranya yang masih difabel dan membutuhkan pertolongan dari masyarakat luas. Dengan adanya platform Pedulisehat.id diharapkan dapat membantu pengguna atau penggalang dana dan masyarakat yang ingin berdonasi untuk membantu dapat dengan mudah dilakukan dengan menggunakan platform Pedulisehat.id. Berdasarkan data yang peneliti kumpulkan di perusahaan Pedulisehat.id, peneliti akan dapat menganalisisnya untuk memudahkan dan memberikan arahan dalam melakukan penawaran kepada pengguna atau pihak tertentu untuk membantu kampanye donasi yang telah dilakukan. Institut Informatika dan Bisnis Darmajaya 87 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 Saat ini, media sosial telah menjadi media penyebaran informasi secara luas dan dapat mempengaruhi persepsi masyarakat. Banyak perusahaan yang memanfaatkan hal ini dan menggunakan media sosial sebagai media untuk menerapkan strategi pemasarannya (Bismo et al., 2022). Cara melakukan penawaran kepada pengguna atau membuat kampanye di Pedulisehat.id adalah dengan menawarkan pemasangan Ads (iklan digital) terkait kampanye yang telah dibuat untuk dipromosikan di media sosial yang bekerja sama dengan Pedulisehat.id. Langkah-langkah periklanan yang semakin menarik meningkatkan keinginan konsumen untuk membeli. Iklan yang baik mendorong konsumen untuk membeli, baik itu pembelian pertama atau pembelian berulang (Anggarini & Permatasari, 2020) Menurut analisis ekstensif, pengguna Facebook dihadapkan pada sekitar 70 iklan setiap minggunya dari sekitar 12 pengiklan (Galan et al., 2019) . Hasilnya, iklan menyumbang 1015% dari seluruh informasi yang dilihat pengguna di Kabar Beranda mereka. Dalam lingkungan digital yang berantakan, perhatian visual terhadap iklan sangatlah langka (Berger et al., 2012) dan cara individu berinteraksi dengan pesan iklan terus berkembang (Voorveld, 2019). Pesan iklan terus-menerus bersaing untuk mendapatkan perhatian konsumen (Duff & Segijn, 2019), memaksa pengiklan memikirkan strategi baru untuk menarik perhatian (Simola et al., 2013). Namun, iklan media sosial ada dalam konteks media, dikelilingi oleh postingan lainnya dan konteks keterpaparan (yaitu, keterlibatan dengan media sosial tempat iklan ditempatkan) sangatlah penting (Voorveld et al., 2018). Pendekatan seperti ini akan memberikan hasil yang lebih baik sehingga kampanye yang dibuat oleh pengguna di Pedulisehat.id dapat dilihat dan disebarluaskan ke seluruh media sosial. Tujuan kampanye ini juga berguna untuk meningkatkan penggalangan dana yang diharapkan, serta memenuhi target pencapaian dana. Dalam melakukan analisis tersebut, penelitian ini telah mengumpulkan data yang dapat digunakan untuk menganalisis tingkat penggunaan dan review responden yang telah berpartisipasi dalam membantu kampanye yang dibuat oleh pengguna Pedulisehat.id. Data-data yang terkumpul akan dijadikan bahan dasar proses analisa yang akan dilakukan penelitian, dan diharapkan dapat membantu pengguna dan atau pihak Pedulisehat.id tertentu yang melakukan kampanye di Pedulisehat.id dalam meningkatkan respon dan penyebaran informasi terkait kampanye yang dilakukan lebih besar. Institut Informatika dan Bisnis Darmajaya 88 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 Berdasarkan data yang telah dikumpulkan, peneliti menarik beberapa permasalahan yang terjadi pada Pedulisehat.id yaitu, 1. Keberhasilan Advertising (promo dari suatu program) untuk meningkatkan minat masyarakat untuk berdonasi pada salah satu program yang ada di Pedulisehat .pengenal; 2. Pengeluaran Biaya Pemasaran pada divisi Pedulisehat.id tidak dan belum sebanding dengan donasi yang masuk dari masyarakat. Peningkatan informasi secara eksponensial akibat kemajuan teknologi dan perkembangan komunikasi telah menciptakan kebutuhan untuk mengambil keputusan berdasarkan analisis data. Tren ini telah membuka pintu bagi pendekatan baru dalam pemahaman data dan pengambilan keputusan. Penelitian ini akan melakukan analisis deskriptif dan analisis sentimen untuk membantu setiap juru kampanye dalam meningkatkan responden terhadap kampanye yang dilakukan oleh setiap pengguna dalam hal mengumpulkan dan mengajak seluruh masyarakat untuk berdonasi. Hasil penelitian ini diharapkan dapat memberikan saran kampanye terbaik kepada pengguna yang menjalankan Pedulisehat.id dan teknik analisis prediktif, yang mana dari hasil analisis berdasarkan data yang ada akan menampilkan prediksi yang akan dicapai oleh Pedulisehat.id. 2. TEORI DAN HIPOTESIS Pedulisehat.id Pedulisehat.id merupakan forum yang menawarkan layanan penggalangan dana secara online, real-time, dan transparan. Pedulisehat.id hadir untuk membantu dan mengatasi permasalahan kesehatan di Indonesia antara lain gizi buruk, TBC, kematian ibu dan bayi, penyakit menular, penyakit tidak menular, dan kesehatan jiwa. Pedulisehat.id merupakan platform crowdfunding seperti platform lainnya yaitu Kitabisa.com, dimana proses pengumpulan berbagai donasi dari masyarakat dan pendistribusian donasi tersebut kepada orang-orang yang membuat kampanye dan kampanyenya merupakan upaya penggalangan dana untuk membantu pasien yang menderita penyakit kronis dan membutuhkan. dana untuk proses pengobatan. Berdasarkan data yang kami kumpulkan di perusahaan Pedulisehat.id, kami akan melakukan penelitian yaitu analisis untuk memberikan kemudahan dan penawaran kepada pengguna atau organisasi dalam membantu kampanye donasi yang telah dilakukan, dengan menawarkan penawaran kepada pengguna atau membuat kampanye Institut Informatika dan Bisnis Darmajaya 89 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 di Pedulisehat. id dengan menawarkan pemasangan Iklan (Digital Advertising) terkait kampanye yang telah dibuat untuk dipromosikan di media sosial yang telah bekerjasama dengan Pedulisehat.id. CRISP-DM CRISP-DM merupakan model proses iteratif yang kemudian dikembangkan pada tahun 1996 (Nadali et al., 2011). CRISP-DM merupakan singkatan dari Cross-Industry Standard Process for Data Mining dan mempunyai enam tahapan yaitu: 1; Pemahaman Bisnis, 2; Pemahaman Data, 3; Persiapan Data, 4; Pemodelan, 5; Evaluasi, dan 6; Penyebaran. Melakukan penelitian dengan metodologi CRISP-DM akan mengikuti tahapan dari 6 fase di atas, dimana masing-masing fase tersebut saling terkait pada fase berikutnya, namun dalam mainstream ini banyak siklus berulang yang dapat diamati. Peran langkah pertama CRISP-DM adalah menemukan alasan dan tujuan proses KDD. Dalam proses KDD yang dijelaskan dalam artikel ini, analisis data cerdas dilakukan untuk mengungkap data yang berpotensi berguna dalam pengumpulan data yang terdiri dari lebih dari 600 data, dari keseluruhan program. Pedulisehat.id (Bošnjak et al., 2009). Gambar 1. Tahapan Model Proses CRISP-DM Analisis Data Mining Text mining mempunyai pengertian penambangan data berupa teks dimana sumber datanya biasanya diperoleh dari dokumen, dan tujuannya adalah untuk mencari kata-kata yang dapat mewakili isi dokumen sehingga dapat dilakukan analisis hubungan antar dokumen. Text Mining adalah proses mengekstraksi pola dalam bentuk informasi dan pengetahuan berguna dari banyak sumber data teks, seperti dokumen Word, PDF, kutipan teks, dll. Institut Informatika dan Bisnis Darmajaya 90 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 Tujuan dari text mining adalah untuk mendapatkan informasi yang berguna dari sekumpulan dokumen. Jadi, sumber data yang digunakan dalam text mining adalah kumpulan teks yang mempunyai format tidak terstruktur atau minimal semi terstruktur. Tugas khusus penambangan teks meliputi kategorisasi teks dan pengelompokan teks. Pengolahan dan pengambilan informasi dari data tekstual merupakan permasalahan yang tidak dapat diselesaikan dengan menggunakan teknik data mining. Diperlukan beberapa tahapan proses tambahan agar data tekstual yang formatnya tidak beraturan dapat diproses dan diambil informasinya. Tahapan proses ini dikenal dengan nama Text Mining. 3. METODE PENELITIAN Dalam proses pembuatan desain penelitian ini, peneliti menggunakan 5 tahapan CRISPDM dari 6 tahapan yang ada, 5 tahapan tersebut adalah: a. Pemahaman Bisnis Dalam skenario manufaktur, tujuan bisnis yang memotivasi secara umum adalah memaksimalkan waktu kerja dan efisiensi mesin dengan menggunakan analisis prediktif. b. Pemahaman Data Pada tahap pemahaman data dimulai dengan pengumpulan data awal kemudian mengidentifikasi dan mengeksplorasi data(Navisa et al., 2021). Pada tahap pemahaman data, peneliti akan membuat daftar kebutuhan data yang diperlukan untuk penelitian ini dan penjelasan tentang alat yang digunakan peneliti dalam penelitian ini. Pada tahap ini peneliti menggunakan metode pengambilan dengan menggunakan web crawling, dimana data yang diperoleh merupakan data yang benar dari web Pedulisehat.id pada saat data diunduh setelah data berhasil ditarik dan diunduh. Data yang diunduh merupakan data detail dari masing-masing juru kampanye yang dilakukan atau diperoleh dari platform Pedulisehat.id yang mana data tersebut telah berjalan sejak beberapa tahun lalu hingga saat ini. Data tersebut akan diolah dengan menggunakan alat analisis pengolahan data yaitu Rapid Miner Studio untuk Analisis Prediktif dan Tableau untuk Analisis Deskriptif. c. Persiapan data Tahap persiapan data mencakup seluruh kegiatan untuk membangun kumpulan data akhir (data yang akan dimasukkan ke dalam alat pemodelan) dari data mentah awal. Tugas persiapan data kemungkinan besar dilakukan beberapa kali, dan tidak dalam Institut Informatika dan Bisnis Darmajaya 91 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 urutan yang ditentukan. Tugasnya mencakup pemilihan tabel, catatan, dan atribut, pembersihan data, pembuatan atribut baru, dan transformasi data untuk alat pemodelan (Wirth, 2000). Tahap selanjutnya adalah data Preparation atau penyiapan data, pada tahap ini peneliti akan mempersiapkan data yang telah dikumpulkan sebelumnya pada tahap pemahaman data yaitu dengan menggunakan data crawling pada platform Pedulisehat.id. Kemudian data tersebut akan dibersihkan menggunakan Cleansing tools yang tersedia pada software RapidMiner Studio. Dengan menggunakan Cleansing, data akan dibersihkan dengan cara menghilangkan kolom-kolom yang tidak terpakai dan mengubah nama-nama kolom yang digunakan agar lebih mudah dipahami untuk proses penelitian, hal ini agar penelitian dapat fokus hanya menggunakan kolom-kolom yang diperlukan saja. Setelah dilakukan clearing data dan persiapan data lainnya, maka dataset siap untuk proses selanjutnya yaitu pemodelan. d. Pemodelan Tahap selanjutnya adalah Modeling, pada tahap ini peneliti akan membuat model analisis dari dataset yang telah dikumpulkan dan dibersihkan pada tahap sebelumnya, dimana dari dataset yang ada peneliti akan memecah data tersebut menggunakan operator sehingga memunculkan data yang diinginkan. pemodelan untuk Analisis prediktif dan Analisis Deskriptif cukup dengan mencari celah pada dataset agar dapat divisualisasikan lebih lengkap e. Evaluasi Tahap kelima, peneliti akan mengevaluasi hasil analisis deskriptif yang telah peneliti olah sebelumnya menggunakan Rapid Miner Studio, meliputi kriteria keberhasilan text mining dan kriteria bisnis. Proses atau tahapan evaluasi juga memberikan perbandingan dengan penelitian sejenis yang telah dilakukan penelitian ini untuk memudahkan pembaca tentang penelitian ini dengan penelitian yang sudah ada. 4 HASIL DAN PEMBAHASAN Hasil yang diperoleh dari setiap tahapan analisis yang telah dijelaskan sebelumnya pada tahap metodologi adalah sebagai berikut: a. Pemodelan Pada tahap pemodelan ini kami membagi menjadi 2 tahap analisis yaitu Analisis Deskriptif dan Analitik Prediktif, adapun analisis Deskriptif sebagai berikut: Institut Informatika dan Bisnis Darmajaya 92 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 Analisis Deskriptif Pada gambar tersebut terdapat beberapa kategori yang datanya berdasarkan jumlah Share Count, jumlah pengguna terbanyak yang melakukan kampanye, dan sebaran kampanye di seluruh Indonesia.Analisis deskriptif data – dan khususnya analisis komponen utama memungkinkan pendekatan data yang bersifat multidimensi, yaitu variabel yang mendefinisikan seseorang (Gabor, 2010). Gambar 5. Urutan Kampanye Teratas berdasarkan Jumlah Saham Pada gambar di atas dapat disimpulkan bahwa kampanye teratas berdasarkan jumlah share. Jumlah yang dilakukan masyarakat adalah kampanye dengan project_id: 12419737547998005915 dengan judul kampanye Bantu Anak Wirda Sembuh dengan jumlah share sebanyak 43.602 kali. Gambar 6. Jumlah Pengguna Terbesar Dalam Melakukan Kampanye Berdasarkan Gambar 6 di atas dapat disimpulkan bahwa organisasi pengguna bernama Rumah Zakat memiliki banyak kampanye di perusahaan Pedulisehat.id dengan 25 kampanye. Institut Informatika dan Bisnis Darmajaya 93 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 Analisis Prediktif Tujuannya adalah untuk mengidentifikasi variabel paling relevan yang dapat memberikan pemodelan prediktif terbaik terhadap data (“Enhanced CRISP-DM Model for SME Coach Operator,” 2018). Selain penggunaan Analisis Deskriptif, penelitian ini juga menggunakan Analisis Prediktif untuk membantu dalam pengolahan data sehingga diperoleh hasil yang maksimal sebagai berikut: Gambar 7. Model Otomatis Proses Menggunakan K-Means Rapid Miner Studio Pada gambar di atas terlihat teknik clustering dengan menggunakan metode K-means, yaitu metode yang ditujukan untuk mengelompokkan data dengan sistem partisi. Gambar 8. Kota Analisis Prediktif melalui Mount Saat Ini Institut Informatika dan Bisnis Darmajaya 94 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 Pada gambar diatas menunjukkan hasil teknik pengukuran antara variabel bebas berupa variabel kota dengan variabel bebas berupa besaran saat ini. Gambar 9. Kisah Analisis Prediktif melalui Jumlah Saham Selanjutnya pada Gambar diatas terlihat bahwa berdasarkan teknik analisis prediktif yang telah dilakukan, masing-masing variabel Independen dan Dependen akan dianalisis dari data bersih atau juga menggunakan text mining untuk mendapatkan hasil dalam menentukan dan melatih mesin untuk memberikan rekomendasi. untuk kampanye yang sedang berlangsung. berjalan di Pedulisehat.id. Dengan penggunaan Predictive Analytics diharapkan diperoleh informasi dan data perusahaan pertambangan, mulai dari sistem rekomendasi, dan periklanan yang tepat sasaran dapat berjalan dengan baik. Tokenisasi Tokenisasi adalah proses memisahkan teks menjadi beberapa bagian yang disebut token untuk dianalisis nanti. Kata-kata, angka, simbol, tanda baca, dan entitas penting lainnya dapat dianggap sebagai token. Dalam NLP (pemrosesan bahasa alami), token didefinisikan sebagai “kata-kata” meskipun tokenisasi juga dapat dilakukan dalam paragraf atau kalimat. Mekanisme pemotongan kalimat berdasarkan setiap kata penyusun pedulisehat.id, potongan kata yang ada pada dataset Pedulisehat.id kami ambil sebagai berikut. Institut Informatika dan Bisnis Darmajaya 95 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 Gambar 10. Korelasi kata dalam cerita dengan jumlah saat ini Selanjutnya pada gambar diatas dapat memberikan gambaran seberapa besar hubungan antara variabel story dengan jumlah saat ini, dimana semakin besar nilai korelasinya maka akan melambangkan besarnya hubungan antar variabel. Gambar 11. Jumlah kata pada keseluruhan data cerita pedulisehat.id Pada gambar di atas terlihat banyak sekali data yang muncul pada keseluruhan gabungan data cerita yang ada di dataset pedulisehat.id, seperti kata pulih yang memiliki 142 pengulangan dari keseluruhan datanya. Institut Informatika dan Bisnis Darmajaya 96 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 Gambar 12. Deskripsi kata pada keseluruhan data cerita pedulisehat.id Pada Gambar 12 terlihat diagram kata yang muncul dari perhitungan jumlah kata yang muncul, dimana semakin banyak kata yang muncul pada variabel cerita kata maka akan semakin besar pula kemunculannya pada diagram kata, seperti bank kata yang mempunyai ukuran lebih besar ukuran relatif terhadap variabel lain. b. Evaluasi Pada tahap kelima, peneliti akan mengevaluasi hasil analisis deskriptif yang telah dilakukan, meliputi kriteria keberhasilan data mining dan kriteria bisnis. Model yang terbentuk dari data latih akan dievaluasi sehingga diketahui seberapa efektif model tersebut bekerja dalam menyelesaikan suatu masalah. Evaluasi model biasanya menggunakan data uji untuk mengetahui seberapa prediktif model tersebut, atau dengan kata lain seberapa besar kemampuan generalisasi model yang dibentuk untuk menyelesaikan suatu permasalahan baru. Ada beberapa kriteria penilaian model dalam permasalahan Supervised Learning (klasifikasi), antara lain akurasi, presisi, sensitivitas, dan spesifisitas. Untuk menentukan kriteria evaluasi model dalam masalah klasifikasi, diperlukan matriks konfusi. Yang perlu diperhatikan adalah penggunaan presisi atau akurasi saja sebagai ukuran evaluasi kinerja suatu model yang dibentuk berpotensi menimbulkan kesalahan yang sangat fatal. Hal ini bisa terjadi ketika saat menghadapi kasus Imbalance Dataset. Institut Informatika dan Bisnis Darmajaya 97 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 4. KESIMPULAN DAN SARAN Pemasaran Digital menetapkan serangkaian strategi yang bertanggung jawab untuk memaksimalkan interaksi antara perusahaan dan audiens target mereka. Penelitian ini merupakan analisis yang dilakukan terhadap data Pedulisehat.id yang sebelumnya dikumpulkan dengan menggunakan teknik scraping, kemudian dataset tersebut diolah menggunakan software Rapid Miner. Tahapan pengolahan yang dilakukan dimulai dari tahap pemahaman bisnis, kemudian pemahaman data, dilanjutkan dengan pemodelan data dan terakhir evaluasi. Hasil dari penelitian ini dapat disimpulkan tentang hubungan antara data variabel story dengan jumlah saat ini dalam kampanye dari mitra pedulisehat.id mempunyai nilai khusus, dimana semakin banyak kata yang mempunyai nilai korelasi besar dalam kampanye story maka semakin banyak pula kata-kata yang memiliki nilai korelasi besar dalam kampanye story tersebut. tahap selanjutnya penulis akan melakukan pelabelan sehingga menjadi kampanye yang baik dari segi kampanye pemasaran. Sebaliknya jika hasil kata korelasi yang terdapat pada suatu kampanye memiliki nilai korelasi yang kecil, maka kampanye tersebut akan disarankan atau diserahkan oleh peneliti ke marketing Pedulisehat.id untuk dilakukan perombakan pada story kampanyenya. Selain memperbaiki story, tim atau pihak pemasaran Pedulisehat.id akan memberitahukan pembuatan kampanye yang berisi pesan penawaran penggalangan dana, atas penggunaan Ads yang telah bekerjasama dengan Pedulisehat.id. Secara keseluruhan, proses rekomendasi ini akan memudahkan dan menambah jumlah responden kampanye yang sedang aktif di kampanye Pedulisehat.id, rekomendasi pencapaian target yang diharapkan oleh pihak pemasaran dan mitra pedulisehat.id untuk terus menjalankan kampanye di platform crowdfunding Pedulisehat.id. DAFTAR PUSTAKA Anggarini, D. R., & Permatasari, B. (2020). Impluse Buying Ditentukan Oleh Promosi Buy 1 Get 1 Pada Pelanggan Kedai Kopi Ketje Bandar Lampung. Berlintina Jurnal Bisnis Darmajaya, 06(02). Berger, S., Wagner, U., & Schwand, C. (2012). Assessing Advertising Effectiveness: The Potential of Goal-Directed Behavior. Psychology and Marketing, 29(6). https://doi.org/10.1002/mar.20530 Institut Informatika dan Bisnis Darmajaya 98 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 Bismo, A., Sylvia, S., & Halim, W. (2022). PENGARUH KEY OPINION LEADER TERHADAP CUSTOMER ENGAGEMENT DENGAN BRAND AWARENESS SEBAGAI VARIABEL INTERVENING PADA JOCKEY INDONESIA. Jurnal Bisnis Darmajaya, 8(2). https://doi.org/10.30873/jbd.v8i2.3303 Bošnjak, Z., Grljević, O., & Bošnjak, S. (2009). CRISP-DM as a framework for discovering knowledge in small and medium sized enterprises’ data. Proceedings - 2009 5th International Symposium on Applied Computational Intelligence and Informatics, SACI 2009. https://doi.org/10.1109/SACI.2009.5136302 Duff, B. R. L., & Segijn, C. M. (2019). Advertising in a Media Multitasking Era: Considerations and Future Directions. Journal of Advertising, 48(1). https://doi.org/10.1080/00913367.2019.1585306 Enhanced CRISP-DM model for SME coach operator. (2018). Journal of Advances in Technology and Engineering Research, 4(6). https://doi.org/10.20474/jater-4.6.5 Feblian, D., & Daihani, D. U. (2017). IMPLEMENTASI MODEL CRISP-DM UNTUK MENENTUKAN SALES PIPELINE PADA PT X. JURNAL TEKNIK INDUSTRI, 6(1). https://doi.org/10.25105/jti.v6i1.1526 Gabor, M. R. (2010). Descriptive Methods Of Data Analysis For Marketing Data-Theoretical And Practical Considerations. In Management & Marketing Challenges for Knowledge Society (Vol. 5, Issue 3). Galan, A. A., Cabanas, J. G., Cuevas, A., Calderon, M., & Cuevas Rumin, R. (2019). LargeScale Analysis of User Exposure to Online Advertising on Facebook. IEEE Access, 7. https://doi.org/10.1109/ACCESS.2019.2892237 Khoirunisa, E., Karsidi, R., & Yusuf, M. (2019). New Fundraising Platform in Disaster Communication Management. International Journal of Multicultural and Multireligious Understanding, 6(4). Khumaidi, A. (2020). DATA MINING FOR PREDICTING THE AMOUNT OF COFFEE PRODUCTION USING CRISP-DM METHOD. Jurnal Techno Nusa Mandiri, 17(1). https://doi.org/10.33480/techno.v17i1.1240 Nadali, A., Kakhky, E. N., & Nosratabadi, H. E. (2011). Evaluating the success level of data mining projects based on CRISP-DM methodology by a Fuzzy expert system. ICECT 2011 - 2011 3rd International Conference on Electronics Computer Technology, 6. https://doi.org/10.1109/ICECTECH.2011.5942073 Institut Informatika dan Bisnis Darmajaya 99 Eggy Herlambang dkk Jurnal Bisnis Darmajaya, Vol 10. No.1, Maret 2024 Navisa, S., Luqman Hakim, & Aulia Nabilah. (2021). Komparasi Algoritma Klasifikasi Genre Musik pada Spotify Menggunakan CRISP-DM. Jurnal Sistem Cerdas, 4(2). https://doi.org/10.37396/jsc.v4i2.162 Simola, J., Kivikangas, M., Kuisma, J., & Krause, C. M. (2013). Attention and memory for newspaper advertisements: Effects of ad-editorial congruency and location. Applied Cognitive Psychology, 27(4). https://doi.org/10.1002/acp.2918 Vercellis, C. (2009). Business Intelligence: Data Mining and Optimization for Decision Making. In Business Intelligence: Data Mining and Optimization for Decision Making. https://doi.org/10.1002/9780470753866 Voorveld, H. A. M. (2019). Brand Communication in Social Media: A Research Agenda. Journal of Advertising, 48(1). https://doi.org/10.1080/00913367.2019.1588808 Voorveld, H. A. M., van Noort, G., Muntinga, D. G., & Bronner, F. (2018). Engagement with Social Media and Social Media Advertising: The Differentiating Role of Platform Type. Journal of Advertising, 47(1). https://doi.org/10.1080/00913367.2017.1405754 Wirth, R. (2000). CRISP-DM : Towards a Standard Process Model for Data Mining. Proceedings of the Fourth International Conference on the Practical Application of Knowledge Discovery and Data Mining, 24959. Institut Informatika dan Bisnis Darmajaya 100