Analisis Penggunaan Data Analitycs untuk Meningkatkan Engagement Pembaca Palembang Ekspres

Ruliansyah Ruliansyah; Defri Henzen Heriawan

doi:10.69693/ijmst.v4i3.13717

Authors

Ruliansyah Ruliansyah Universitas Islam Negeri Raden Fatah Palembang
Defri Henzen Heriawan Universitas Islam Negeri Raden Fatah Palembang

DOI:

https://doi.org/10.69693/ijmst.v4i3.13717

Keywords:

Data Analytics, Engagement Pembaca, Media Digital, Palembang Ekspres, Google Analytics

Abstract

Pesatnya transformasi media digital telah menggeser kebiasaan masyarakat dalam mengakses berita dari media cetak menuju kanal daring, yang memicu kompetisi sengit antarportal berita dalam merebut serta menjaga keterlibatan (engagement) pembaca. Kajian ini berfokus pada evaluasi penerapan data analytics di portal berita Palembang Ekspres untuk menyusun pendekatan berbasis data (data-driven strategy) dalam mengoptimalkan interaksi dan jangkauan pembaca. Penelitian kuantitatif deskriptif ini dijalankan melalui pengamatan harian, wawancara mendalam, serta penarikan log analitik dari Google Analytics, Google Search Console, dan Meta Business Suite sepanjang masa Kerja Praktik (14 Juli–23 Agustus 2025). Temuan lapangan mengindikasikan bahwa kategori berita lokal dan daerah menjadi favorit utama pembaca dengan kontribusi minat 35% serta raihan Click-Through Rate (CTR) tertinggi. Kurva puncak kunjungan (peak time) portal web terpola secara stabil pada rentang jam 10.00–13.00 WIB dan 18.00–21.00 WIB. Di ranah media sosial, penyajian materi berbasis visual seperti carousel dan infografis berhasil memicu lonjakan engagement hingga 35% bila disandingkan dengan format teks panjang. Di sisi lain, formulasi judul (headline) yang terlalu panjang teridentifikasi sebagai penyebab utama melonjaknya bounce rate. Penelitian ini menyimpulkan bahwa langkah strategis berupa penataan ulang headline, penguatan SEO, penyesuaian jadwal rilis pada jam sibuk pembaca, serta penyajian berita berbentuk visual menjadi kunci utama dalam memacu engagement audiens media digital lokal secara konsisten.

References

1. Angga, A. B., Wahyudi, E., & Handini, Y. D. (2025). Pemanfaatan Strategi Content Marketing Digital untuk Meningkatkan Engagement dan Penjualan UMKM: Studi pada DKM Cake & Cookies Jember. Jurnal Administrasi Bisnis FISIPOL UNMUL, 13(1), 45–56.

2. Faadhilah, T., & Aulia, P. (2025). Analisis Faktor-faktor Consumer Engagement Pembaca Berita Sindonews.com di Media Sosial Facebook. ProBank: Jurnal Ilmu Perbankan Dan Keuangan Syariah, 10(1), 22–34.

3. Fadhillah, M. B. A., Anggoro, R., & Priyatno, A. M. (2020). Analisis Performa Link Stability dari Faktor Kecepatan untuk Dinamisasi Zona pada Zone Routing Protocol. Jurnal Rekayasa Elektrika, 16(3), 145–152. https://doi.org/10.17529/jre.v16i3.16502

4. Faqih, A., Rifa'i, A., Putra, A. E., & Fajid, M. M. (2024). Pemanfaatan Google Analytics dan Facebook Ads sebagai Strategi Pemasaran Digital bagi UMKM dan Startup. AMMA: Jurnal Pengabdian Masyarakat, 3(2), 152–161.

5. Hermawan, D., & Setiawan, A. (2023). Optimasi Search Engine Optimization (SEO) dalam Meningkatkan Traffic Portal Berita Online Regional. Jurnal Teknologi Informasi Dan Komunikasi, 11(2), 98–107.

6. Ingriana, A. (2022). Kajian Literatur Sistematis mengenai Peran Big Data dalam Digital Marketing. AIRA (Artificial Intelligence Research and Applied Learning), 1(2), 48–58.

7. Kusuma, R. A., & Rahmawati, E. (2024). Pengaruh Konten Visual Instagram Terhadap Level Interaction Rate Media Siber Lokal. Jurnal Komunikasi Dan Media Digital, 8(1), 33–44.

8. Prasetya, M. R. A., & Priyatno, A. M. (2022). Dice Similarity and TF-IDF for New Student Admissions Chatbot. RIGGS: Journal of Artificial Intelligence and Digital Business, 1(1), 13–18. https://doi.org/10.31004/riggs.v1i1.5

9. Priyatno, A. M. (2019). The Application of HAAR Wavelet and Backpropagation for Diabetic Retinopathy Classification Based on Eye Retina Image. International Journal Of Science, Engineering, And Information Technology, 3(2), 139–142. https://doi.org/10.21107/ijseit.v3i2.4536

10. Priyatno, A. M. (2020). Spammer Detection Based on Account, Tweet, and Community Activity on Twitter. Jurnal Ilmu Komputer Dan Informasi, 13(2), 97–107. https://doi.org/10.21609/jiki.v13i2.871

11. Priyatno, A. M., & Firmananda, F. I. (2022). N-Gram Feature for Comparison of Machine Learning Methods on Sentiment in Financial News Headlines. RIGGS: Journal of Artificial Intelligence and Digital Business, 1(1), 1–6. https://doi.org/10.31004/riggs.v1i1.4

12. Priyatno, A. M., Muttaqi, M. M., Syuhada, F., & Arifin, A. Z. (2019). Deteksi bot spammer twitter berbasis time interval entropy dan global vectors for word representations tweet’s hashtag. Register: Jurnal Ilmiah Teknologi Sistem Informasi, 5(1), 37–46. https://doi.org/10.26594/register.v5i1.1382

13. Ramadhan, F., & Hidayat, N. (2024). Analisis Perilaku Konsumsi Informasi Masyarakat Urban di Era Transformasi Digital. Jurnal Sains Komunikasi Dan Media, 5(2), 112–125.

14. Sanjaya, S., Priyatno, A. M., Yanto, F., & Afrianty, I. (2018). Klasifikasi Diabetik Retinopati Menggunakan Wavelet Haar dan Backpropagation Neural Network. Seminar Nasional Teknologi Informasi Komunikasi Dan Industri (SNTIKI-10), 77–84.

15. Wibowo, T., & Nugroho, S. (2023). Strategi Redaksional Media Siber Dalam Menghadapi Peningkatan Bounce Rate Artikel Berita. Jurnal Media Dan Jurnalisme Digital, 4(1), 50–62.

16. Zogara, L. U. (2025). Eksplorasi Social Media Mining dalam Analitik Big Data: Metode dan Implementasi. SINTEK: Jurnal Sistem Informasi Dan Teknologi, 6(1), 88–98.