Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : ARIKA

Perbaikan Kinerja Digital Marketing Melalui Prediksi Engagement Instagram Brand Produk Berbasis Machine Learning Kurnia, Indah; Mangngenre, Saiful
ARIKA Vol 19 No 2 (2025)
Publisher : Industrial Engineering Study Program, Pattimura University

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30598/arika.2025.19.2.75

Abstract

Persaingan ketat antar brand kecantikan lokal di Indonesia menuntut perbaikan kinerja pemasaran digital melalui prediksi engagement di Instagram. Penelitian ini bertujuan membangun model prediksi tingkat keterlibatan (engagement rate) dan mengidentifikasi faktor unggahan yang paling berpengaruh menggunakan pendekatan machine learning. Metode kuantitatif prediktif diterapkan dengan menganalisis 1.922 unggahan dari 10 brand kecantikan terkemuka. Dua algoritma regresi, Random Forest Regression (RFR) dan Support Vector Regression (SVR), dibangun dan dievaluasi. Hasil menunjukkan model SVR lebih unggul dalam memprediksi engagement rate dengan nilai R² 0,0404, MAE 0,5505%, dan RMSE 4,9911%. Meskipun kemampuan model dalam menjelaskan variasi engagement terbatas, nilai MAE yang rendah mengindikasikan akurasi yang memadai untuk estimasi praktis. Analisis interpretasi model SVR mengidentifikasi tiga faktor paling dominan: jumlah pengikut, segmen pengikut mid-tier (100 ribu-1 juta), dan jumlah penyebutan akun lain (mention). Temuan ini menegaskan bahwa fondasi audiens berkualitas dan strategi kolaborasi adalah prioritas utama untuk meningkatkan kinerja pemasaran digital. Model SVR dapat direkomendasikan sebagai alat bantu pengambilan keputusan berbasis data untuk merancang strategi konten yang lebih efektif