Analisis Media Sosial pada Konten Instagram Berbasis Teks Menggunakan Optical Character Recognition dan Topic Modelling

Buana, Gandhi Surya (2022) Analisis Media Sosial pada Konten Instagram Berbasis Teks Menggunakan Optical Character Recognition dan Topic Modelling. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211840000092-Undergraduate_Thesis.pdf Restricted to Repository staff only Download (3MB)

Abstract

Konten Instagram berbasis teks telah berkembang menjadi salah satu tren tipe konten yang paling disukai oleh pengguna Instagram seiring dengan pertumbuhan jumlah pengguna Instagram itu sendiri. Konten Instagram disukai karena pengguna mendapatkan informasi lebih dan berdampak terhadap kehidupannya. Hal inilah yang pada akhirnya mendorong para content creator mulai dari pelaku bisnis, hingga influencer berusaha untuk membuat konten berbasis teks agar mampu menarik minat target pasar dengan cara memberikan edukasi ataupun menyebarkan informasi yang berguna. Dalam proses pembuatannya, konten Instagram berbasis teks juga memerlukan topik yang relevan agar dapat menarik target pasar yang diinginkan sama seperti dengan tipe konten berbasis teks pada platform yang lainnya. Proses ini dilakukan dengan melakukan pencarian, pengumpulan, peciptaan wawasan dengan metode analisis media sosial yang sering diakomodasi oleh social media analytics (SMA). Namun sejauh ini belum ada SMA yang mampu untuk mengakomodasi konten Instagram berbasis teks untuk penemuan topik karena tulisan yang tersedia pada konten Instagram berbasis teks masih berada pada konten yang berformat gambar sehingga diperlukan ekstraksi tulisan pada gambar tersebut. Oleh karena adanya kebutuhan akan SMA untuk konten berbasis teks, penelitian ini bertujuan untuk membuat SMA dengan menggunakan Optical Character Recognition (OCR) dan Topic Modelling untuk melakukan proses penemuan referensi topik yang dapat menjadi acuan dalam pembuatan sebuah konten Instagram berbasis teks. OCR diusulkan sebagai metode yang digunakan untuk mengekstraksi teks pada gambar yang kemudian akan diolah dengan metode Topic Modelling menggunakan pendekatan Latent Dirichlet Allocation (LDA) untuk menemukan topik paling dominan dalam teks di konten tersebut. Hasil yang didapatkan dari penelitian ini adalah analisis media sosial atau SMA yang dapat memberikan alternatif topik dari sekumpulkan konten Instagram berbasis teks yang ditargetkan kepada content creator atau penulis konten. Sesuai dengan hasil pengujian pemahaman pengguna dan penerimaan pengguna, SMA ini dapat membantu content creator yang menjadi partisipan penguji untu dapat menemukan referensi topik dan strategi pengunggahannya.
==============================================================================================================================
Text-based Instagram content has developed into one of the trending content types that are most liked by Instagram users, along with the growth in the number of Instagram users. Instagram content is selected because users get more information, and have an impact on their lives. This ultimately encourages content creators ranging from business people to influencers to create text-based content to attract the target market's interest by providing education or disseminating helpful information. In the process of creation, text-based Instagram content also requires relevant topics to attract the desired target market, just like text-based content types on other platforms. This process is carried out by searching, gathering, and creating insights using social media analysis methods often accommodated by social media analytics (SMA). However, so far, no SMA has been able to accommodate text-based Instagram content for topic discovery because the available text are still in image-formatted content, so extracting the text on the image is required. Due to the need for SMA for text-based content, this study aims to create SMA using Optical Character Recognition (OCR) and Topic Modeling to find topic references that can be used as references in creating text-based Instagram content. OCR is proposed as a method used to extract text in images which will then be processed by the Topic Modeling method using the Latent Dirichlet Allocation (LDA) approach to find the most dominant topic in the content. The results obtained from this study are social media analysis that can provide alternative topics from a collection of text-based Instagram content targeted at content creators or content writers. By the results of testing user understanding and user acceptance, this SMA can help content creators who are test participants to find topic references and upload strategies.

Item Type:	Thesis (Other)
Additional Information:	RSSI 005.82 Bua a-1 2022
Uncontrolled Keywords:	Social Media Analytics. Topic Modelling. Optical Character Recognition. Latent Dirichlet Allocation. Instagram. Social Media Analytics. Topic Modelling. Optical Character Recognition. Latent Dirichlet Allocation. Instagram.
Subjects:	H Social Sciences > HD Industries. Land use. Labor > HD30.213 Management information systems. Dashboards. Enterprise resource planning.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	04 Jun 2026 02:38
Last Modified:	04 Jun 2026 02:38
URI:	http://repository.its.ac.id/id/eprint/133547

Actions (login required)

View Item