Thursday, 24 Jumadil Akhir 1443 / 27 January 2022

Thursday, 24 Jumadil Akhir 1443 / 27 January 2022

Klasifikasi Pembangunan Merek, Melibatkan Pengguna Facebook

Jumat 03 Dec 2021 10:44 WIB

Red: Ichsan Emrald Alamsyah

 Fajar Sarasati/Dosen Universitas Nusa Mandiri (UNM) prodi Sistem Informasi. Facebook menjadi media sosial yang memiliki potensi besar dalam bidang perekonomian

Fajar Sarasati/Dosen Universitas Nusa Mandiri (UNM) prodi Sistem Informasi. Facebook menjadi media sosial yang memiliki potensi besar dalam bidang perekonomian

Foto: UNM
Facebook menjadi media sosial yang memiliki potensi besar dalam bidang perekonomian

REPUBLIKA.CO.ID, Oleh: Fajar Sarasati/Dosen Universitas Nusa Mandiri (UNM) prodi Sistem Informasi

Media sosial menjadi salah satu bukti perkembangan teknologi yang semakin canggih saat ini. Jenis konten internet ini, memiliki peran penting sebagai alat komunikasi, dimana setiap pengguna dapat berbagi informasi, pengetahuan dan saling terhubung. 

Baca Juga

Berdasarkan hasil survei dari APJII (2016:1) mengungkapkan bahwa, ada tiga besar konten internet yang dikonsumsi pengguna, yakni media sosial sebanyak 129,2 juta (97,7 persen), hiburan 128,4 juta (96,8 persen) dan berita 127,9 juta (96,4 persen). Sisanya konten pendidikan 124 juta pengguna, komersial 123,5 juta dan layanan publik 121,5 juta.

Terkait media sosial, Facebook yang terbesar dengan 71,6 juta pengguna (54 persen). Disusul Instagram dan Youtube, masing-masing dengan 19,9 juta dan 14,5 juta pengguna. Berdasarkan data tersebut, maka dapat menjadi potensi yang besar bagi perusahaan untuk membangun merek serta memasarkan produknya dengan memanfaatkan media sosial. 

Melihat hasil survei dari APJII tahun 2016, media sosial Facebook menjadi salah satu media sosial yang memiliki potensi besar dalam bidang perekonomian, khususnya bisnis. Banyaknya pengguna Facebook, memiliki dampak langsung dalam meningkatkan nilai perusahaan dan membangun merek perusahaan. Sehingga secara tidak langsung akan berdampak pada pendapatan perusahaan.

Seperti, produk kosmetik, yang selalu menjadi bagian dari kehidupan sehari-hari, demi mendapatkan dan mempertahankan kecantikan dari waktu ke waktu. Kondisi ini dimanfaatkan betul oleh produsen kosmetik. Jumlah penduduk sekitar 250 juta jiwa menjadikan Indonesia menjadi pasar yang menjanjikan bagi perusahaan kosmetik (Briliani et al, 2016:545).

Namun, untuk membangun merek produk kosmetik yang banyak diminati sekalipun, perusahaan harus melakukan survei pasar untuk meminimalisir kerugian produksi, karena tidak semua produk diminati oleh konsumen. Terlebih, banyaknya pesaing sehingga membutuhkan survei pasar yang sesuai dan jelas tentang produk mana yang paling diminati dan dibutuhkan oleh pelanggan. 

Sedangkan, untuk melakukan survei pasar, perusahaan membutuhkan biaya yang cukup banyak untuk biaya transportasi, biaya cetak brosur, gaji karyawan dan lain sebagainya. Selain itu, apabila survei dilakukan secara offline, jangkaun pasar kurang luas, hasil kurang maksimal dan kurang merinci, serta membutuhkan waktu yang lebih lama. 

Media sosial Facebook dipilih karena mempunyai potensi yang besar untuk memasarkan produk. Mengingat, jumlah penggunanya yang masih menempati posisi pertama dari sekian banyak media sosial lainnya.

Maka berdasarkan permasalahan tersebut, dosen Universitas Nusa Mandiri (UNM) Fajar Sarasati memberikan solusi dengan memanfaatkan dataset metrik kinerja Facebook tahun 2016. Hal ini dilakukan untuk dapat dimanfaatkan sebagai acuan dalam mengambil keputusan atau melakukan peningkatan prediksi guna pembangunan merek.

Pemanfaatan dataset metrik kinerja Facebook ini, digunakan untuk menganalisis tingkat keterlibatan konsumen produk kosmetik, berdasarkan jumlah komentar, suka (like) dan berbagi pos. 

Berdasarkan analisis tersebut, maka dosen UNM dari program studi (prodi) Sistem Informasi ini, melakukan penelitian menggunakan algoritma K-Nearest Neighbour dan Logistic Regression (SVM) dengan metode yang telah diadopsi dari metode Ensemble teknik Bagging yang diberi nama metode EnBag K-LoGres. 

Penelitian ini menghasilkan keputusan berdasarkan tingkat akurasi dari data yang telah diolah dan disajikan dalam bentuk kurva ROC. Berdasarkan hasil pengukuran data metrik Facebook, yang menilai pembangunan merek kosmetik dengan algoritma K-NN memperoleh akurasi sebesar 68.67 persen dan Logistic Regression (SVM) sebesar 72.67 persen. Selanjutnya kedua algoritma diproses dengan metode EnBag K-LoGres, mendapat akurasi sebesar 73.91 persen. Berdasarkan hasil pengukuran dengan metode EnBag K-LoGres, hasilnya mengalami kenaikan sebesar 1.24 persen.

Hasil penerapan metode Ensemble dengan teknik Bagging tersebut, dapat ditarik kesimpulan bahwa metode Ensemble dengan metode EnBag K-LoGres, dapat meningkatkan nilai Accuracy dan Pression yang dihasilkan. Sehingga pembangunan model tersebut dapat melakukan klasifikasi terhadap pembangunan merek kosmetik di Indonesia.

BACA JUGA: Ikuti Serial Sejarah dan Peradaban Islam di Islam Digest , Klik di Sini
 
 
 
 
 
 

Dapatkan Update Berita Republika

BERITA LAINNYA