OPTIMALISASI STRATEGI PROMOSI PROGRAM STUDI MELALUI DASHBOARD BERBASIS DATA PEMINATAN DAN ANALITIK INSTAGRAM DENGAN ICFS
Abstract
Penelitian ini dilatarbelakangi kebutuhan Program Studi (Prodi) baru untuk mengambil keputusan promosi yang cepat, terukur, dan berbasis data di kanal utama calon mahasiswa, yakni Instagram, sementara evaluasi konten selama ini sporadis dan metrik tersebar. Tujuannya adalah merancang kerangka dan prototipe dashboard Excel yang mengintegrasikan analitik Instagram dengan fokus format Reels, Carousel dan data peminatan mahasiswa melalui metrik ICFS (Interest Content Fit Score) guna mendukung keputusan editorial dan promosi. Metode yang digunakan adalah R&D dan prototyping dengan desain mixed method: dataset 192 konten IG TRMG yang dipublikasikan pada periode 16 November 2022 hingga 4 November 2025, serta data survei peminatan mahasiswa yang melibatkan 14 mahasiswa aktif Prodi TRMG. Data konten Instagram diolah menjadi indikator Engagement (likes, comments, saves, shares), ERR (Engagement/Reach), ERI (Engagement/Impressions), ERV (Engagement/Views), disandingkan dengan survei peminatan/preferensi, hasilnya diwujudkan dalam dashboard Excel berisi kartu KPI, leaderboard konten, slicer waktu/jenis konten, dan kalkulasi otomatis ICFS. Hasil utama menunjukkan prototipe yang operasional dan low-cost, secara empiris Reels konsisten menjadi pendorong jangkauan dan keterlibatan, sedangkan Carousel menguatkan perilaku rujukan (save/share). Dashboard memudahkan rapat konten mingguan dan menuntun komposisi yang terarah (60% Reels, 25% Carousel, 15% Image). Implikasinya, solusi ini memperpendek jarak data ke keputusan, menstandarkan evaluasi konten promosi Prodi, serta memberi kontribusi konseptual melalui formulasi ICFS dan kerangka pengukuran keterlibatan berbasis format, sekaligus kontribusi praktisnya adalah aset Excel yang siap direplikasi di prodi vokasi sejenis dan menjadi landasan migrasi menuju dashboard web terotomasi.
Fields of Study & Subjects
Digital Marketing and Social Media
SMEs Development and Digital Marketing
Online Learning and Analytics
Publication details
- Journal / source
- Rabit Jurnal Teknologi dan Sistem Informasi Univrab
- Volume
- 11
- Issue
- 1
- Pages
- 513–524
- Publication date
- 11 January 2026