Social Analytext: Pengembangan Aplikasi Berbasis Website Menggunakan Kerangka Flask untuk Analisis Konten Instagram Berbasis Teks

Puspita, Nindita Cahya (2023) Social Analytext: Pengembangan Aplikasi Berbasis Website Menggunakan Kerangka Flask untuk Analisis Konten Instagram Berbasis Teks. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05211940000038- Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 September 2025. Download (2MB) | Request a copy

Abstract

Instagram telah bertumbuh menjadi media sosial yang banyak digunakan oleh para digital marketer untuk mengembangkan startegi digital marketing. Seiring dengan pertumbuhan Instagram, konten Instagram berbasis teks menjadi salah satu tipe konten yang digemari pengguna karena memberikan nilai dan dampak bagi penggunanya. Penggunaan konten Instagram berbasis teks banyak diadopsi oleh para digital marketer dalam melakukan digital marketing. Strategi ini dilakukan dengan memberikan informasi dalam bentuk gambar teks dengan topik yang relevan untuk meningkatkan ketertarikan target pasar yang dapat diketahui dengan menganalisis media sosial menggunakan Social Media Analytics (SMA). SMA yang digunakan untuk menganalisis media sosial saat ini hanya mengakomodasi analisis penggunaan hashtag, metadata, caption, dan komentar yang ada di Instagram. Namun, pada konten Instagram berbasis teks, informasi ataupun topik di dalamnya juga memiliki pengaruh terhadap ketertarikan target pasar. Karenanya, penemuan topik untuk konten Instagram berbasis teks dibutuhkan. Untuk mengakomodasi kebutuhan ini, dikembangkan SMA dengan mengekstraksi gambar menggunakan Optical Character Recognition (OCR) pada konten Instagram berbasis teks dan menggunakan Topic Modelling untuk menemukan rekomendasi topik yang relevan pada pembuatan konten Instagram. Hanya saja, SMA yang dikembangkan tidak dapat dipahami dan digunakan oleh para digital marketer dengan mudah. Oleh karena itu, penelitian ini dilakukan dengan tujuan mengimplementasi SMA yang menggunakan OCR dan Topic Modelling ke dalam aplikasi berbasis website untuk mendukung digital marketing. Penelitian ini dilakukan melalui tiga tahapan yaitu, perancangan, pengembangan, dan pengujian. Pada tahap perancangan akan diidentifikasi kebutuhan pengguna terhadap SMA. Pada tahap pengembangan, kebutuhan yang telah diidentifikasi diimplementasi menjadi sebuah website SMA yang siap untuk digunakan. Pada tahap pengujian, dilakukan pengujian yang melibatkan pengguna akhir untuk menilai kegunaan SMA dalam mendukung proses digital marketing. Hasil yang didapatkan dari penelitian tugas akhir ini adalah aplikasi berbasis website Social Analytext berhasil diimplementasikan menggunakan kerangka Flask untuk dapat digunakan dalam memberikan alternatif topik dari sekumpulan konten Instagram berbasis teks. Aplikasi berbasis website ini diharapkan mampu digunakan oleh digital marketer ataupun Social Media Specialist secara mudah dalam menemukan topik konten yang relevan. Hasil pengujian dari implementasi Social Analytext menggunakan kerangka kerja Flask menunjukkan hasil yang positif, yaitu hasil pengujian efektivitas sebesar 90,00%; efisiensi penggunaan sebesar 92,41%, learnability pengguna dalam mengoperasikan Social Analytext sebesar 85,71% dan satisfaction pengguna mencapai sebesar 82,86%.
===================================================================================================================================
Instagram has grown into one of the most used social media by digital marketers to develop digital marketing strategies. Along with the growth of Instagram, text-based Instagram content has become one of the most popular types of content for users because it provides value and impact for users. Text-based Instagram content is widely adopted by digital marketers for doing digital marketing. This strategy is carried out by providing information with relevant topics in the form of images to increase the interest of the target market which can be identified by analyzing social media using Social Media Analytics (SMA). Currently, SMA only accommodates analysis of hashtags, metadata, captions, and comments on Instagram. However, the information or topics of text-based Instagram content also influence the interest of the target market. Thus, topic discovery for text-based Instagram content is needed. To accommodate this need, SMA is developed by extracting images using Optical Character Recognition (OCR) on text-based Instagram content and using Topic Modeling to find recommendations for topics relevant to Instagram content creation. However, the SMA developed cannot be easily understood and used by digital marketers. Therefore, this research was conducted to implement SMA using OCR and Topic Modeling into a website-based application to support digital marketing through three stages: design, development, and testing. At the design stage, user needs for SMA will be identified. At the development stage, the identified needs are implemented into an SMA website that is ready to be used. At the testing stage, tests will be carried out to end users to assess the usefulness of SMA in supporting the digital marketing process. The results from this final project research are that the Social Analytext web-app based has been successfully implemented using the Flask framework to be used in providing topics recommendation from text-based Instagram content. This web-app is expected to be able to be used by Digital Marketers or Social Media Specialists to find relevant content topics easily. The User Testing results from Social Analytext implementation using the Flask framework showed positive results. The results of the effectiveness is 90.00%; efficiency is 92.41%, user learnability in operating Social Analytext is 85.71% and user satisfaction is 82.86%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Aplikasi berbasis Website, Flask, Social Media Analytics, Instagram, Digital Marketing, Web Based Application, Flask, Social Media Analytics, Instagram, Digital Marketing
Subjects:	Q Science > QA Mathematics > QA76.76.A63 Application program interfaces
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Nindita Cahya Puspita
Date Deposited:	27 Jul 2023 07:29
Last Modified:	27 Jul 2023 07:31
URI:	http://repository.its.ac.id/id/eprint/99564

Actions (login required)

View Item