Analisis Waktu Optimal Unggah Instagram Menggunakan K-Means Clustering pada Data Sintetis

Fadhlan Ihsan Lubis; Muhammad Iqbal

doi:10.31004/riggs.v5i1.6042

Authors

Fadhlan Ihsan Lubis Universitas Pembangunan Panca Budi
Muhammad Iqbal Universitas Pembangunan Panca Budi

DOI:

https://doi.org/10.31004/riggs.v5i1.6042

Keywords:

instagram, Waktu Unggah Optimal, Data Sintetis, K-Means Clustering, Reach, Engagement

Abstract

Instagram merupakan salah satu platform media sosial yang banyak dimanfaatkan dalam strategi pemasaran digital karena kemampuannya dalam menjangkau audiens secara luas dan cepat. Efektivitas suatu unggahan pada Instagram dipengaruhi oleh berbagai faktor, salah satunya adalah waktu publikasi, yang berperan penting dalam menentukan tingkat jangkauan (reach) dan interaksi (engagement) pengguna. Penelitian ini bertujuan untuk menganalisis waktu unggah optimal Instagram berdasarkan performa reach dan engagement menggunakan metode K-Means Clustering pada data sintetis. Dataset yang digunakan terdiri dari 29.999 data posting sintetis yang merepresentasikan aktivitas unggahan media sosial, dengan variabel waktu unggah, jenis konten, reach, dan engagement. Tahapan penelitian mengacu pada kerangka Knowledge Discovery in Databases (KDD) yang meliputi proses seleksi data, pembersihan data, transformasi data, serta proses clustering untuk menemukan pola tersembunyi dalam data. Penentuan jumlah cluster dilakukan menggunakan Elbow Method dan menghasilkan tiga cluster yang merepresentasikan tingkat performa rendah, sedang, dan tinggi. Hasil analisis menunjukkan bahwa metode K-Means mampu mengelompokkan data posting Instagram secara efektif berdasarkan kesamaan karakteristik performanya. Berdasarkan analisis centroid, diperoleh satu cluster dengan nilai reach dan engagement tertinggi yang merepresentasikan waktu unggah paling optimal, yaitu hari Sabtu pukul 09.00 WIB. Temuan ini menunjukkan bahwa faktor hari memiliki pengaruh signifikan terhadap performa unggahan. Hasil penelitian ini diharapkan dapat menjadi dasar rekomendasi strategis bagi pengelola media sosial dalam menentukan waktu unggah yang optimal berbasis analisis data serta mendukung pengembangan strategi pemasaran digital yang lebih efektif.

Downloads

Download data is not yet available.

References

R. Wahid and M. Wadud, “Social media marketing on Instagram: When is the most effective posting timing?,” EPRA International Journal of Multidisciplinary Research (IJMR), pp. 312–321, 2020, doi: 10.36713/epra4834.

W. A. Kusuma and A. Ramadhani, “Analisis waktu posting optimal media sosial menggunakan metode clustering,” Jurnal Informatika, vol. 7, no. 2, pp. 145–153, 2020.

F. Ramadhan and R. Hidayat, “Analisis engagement media sosial Instagram menggunakan data mining,” Jurnal Teknologi dan Sistem Informasi, vol. 2, no. 1, pp. 66–74, 2021.

N. A. Basulina, S. Gustiani, S. Amalia, A. Sabila, and A. Ibrahim, “Identifikasi waktu optimal posting terhadap pola engagement sosial media menggunakan metode K-Means clustering,” Jurnal Mahasiswa Teknik Informatika, vol. 9, no. 4, 2025.

F. A. Tanjung, A. P. Windarto, and M. Fauzan, “Penerapan metode K-Means pada pengelompokan pengangguran di Indonesia,” Jurnal Riset Sistem Informasi dan Teknik Informatika (JURASIK), vol. 6, no. 1, pp. 61–74, 2021. [Online]. Available: https://tunasbangsa.ac.id/ejurnal/index.php/jurasik

F. Khalish, N. M. Piranti, and O. Martadireja, “Implementasi data mining menggunakan teknik clustering dengan metode K-Means,” Jurnal Ilmiah Ilmu Pendidikan (JIIP), vol. 8, no. 3, pp. 1760–1767, 2025.

M. A. Aldi and Z. Fatah, “Implementasi K-Means clustering dalam pengelompokan data menggunakan metodologi Knowledge Discovery in Databases (KDD),” Jurnal Manajemen Informatika dan Sistem Informasi, vol. 4, no. 2, pp. 85–93, 2025.

M. A. Irwansyah, R. Rinaldi, and S. Putra, “Analisis K-Means clustering menggunakan RapidMiner berbasis Knowledge Discovery in Databases,” ZONAsi: Jurnal Sistem Informasi, vol. 6, no. 1, pp. 45–53, 2024.

T. M. Dista and F. F. Abdulloh, “Clustering pengunjung mall menggunakan metode K-Means dan Particle Swarm Optimization,” Jurnal Media Informatika Budidarma, vol. 6, no. 3, p. 1339, Jul. 2022, doi: 10.30865/mib.v6i3.4172.

N. Hendrastuty, “Penerapan data mining menggunakan algoritma K-Means clustering dalam evaluasi hasil pembelajaran siswa,” Jurnal Ilmiah Informatika dan Ilmu Komputer (JIMA-ILKOM), vol. 3, no. 1, pp. 46–56, Mar. 2024, doi: 10.58602/jima-ilkom.v3i1.26.

M. Fatkuroji, Fajrizal, Taslim, E. Sabna, and K. W. Ningsih, “Optimasi nilai K pada algoritma K-Means untuk klasterisasi data pasien COVID-19,” Indonesian Journal of Computer Science, vol. 11, no. 2, Jul. 2022.

L. Barokah, “K-Means clustering dengan pendekatan Knowledge Discovery in Databases (KDD),” Jurnal Processor, 2025.

M. Mahda, R. Kurniawan, and T. Suprapti, “Optimalisasi algoritma K-Means dengan evaluasi Davies–Bouldin Index dalam proses Knowledge Discovery in Databases (KDD),” Jurnal Teknologi Sistem Informasi, 2025.

M. Noval, “Implementasi algoritma K-Means clustering dengan Knowledge Discovery in Databases (KDD),” Jurnal Sistem Informasi, 2025.

M. Rochmawati, G. W. C. Bagaskara, et al., “Implementasi algoritma K-Means dalam klasterisasi penjualan menggunakan metodologi Knowledge Discovery in Databases,” Jurnal SISTEMASI, 2023.

M. R. Syahkur, D. Hartama, and S. Solikhun, “Evaluasi jumlah cluster pada K-Means++ menggunakan metode Silhouette dan Elbow dengan validasi Davies–Bouldin Index,” JST (Jurnal Sains dan Teknologi), 2024.