Penerapan Model Konten Instagram Berbasis Algoritma untuk Meningkatkan Visibilitas Kampus Grati

Abstract

Transformasi digital mendorong lembaga pendidikan memanfaatkan media sosial, terutama Instagram, untuk memperluas jangkauan dan membangun citra institusi. Instagram, dengan kapabilitasnya dalam penyampaian cerita visual dan kemampuannya menjangkau demografi audiens yang lebih muda, menawarkan peluang signifikan untuk tujuan tersebut. Berangkat dari konteks ini, penelitian ini mengambil pendekatan studi kasus kualitatif yang dirancang sebagai sebuah siklus penelitian tindakan (action research) untuk menerapkan dan mengevaluasi efektivitas sebuah model konten berbasis algoritma pada akun Instagram Kampus Gratis. Dengan berlandaskan pada kerangka teoretis machine learning media sosial yang dikemukakan oleh Kaplan dan Haenlein, penelitian ini diawali dengan tahap diagnosis mendalam melalui triangulasi data dari wawancara, observasi partisipatoris, dan dokumentasi konten. Hasil diagnosis awal tersebut secara komprehensif mengungkap bahwa strategi konten yang ada belum dioptimalkan, ditandai oleh kelemahan-kelemahan sistematis seperti jadwal unggah yang sporadis, narasi caption yang lemah secara kontekstual, serta minimnya elemen interaktif yang memancing keterlibatan audiens. Berdasarkan temuan diagnostik tersebut, sebuah model intervensi yang terstruktur, mencakup penjadwalan konten, optimalisasi caption dengan kerangka AIDA, dan penetapan pilar konten, kemudian diimplementasikan secara konsisten selama periode tiga bulan. Evaluasi pasca-penerapan, yang membandingkan data performa sebelum dan sesudah intervensi, menunjukkan adanya tren peningkatan yang positif dan terukur pada metrik-metrik kunci seperti visibilitas, jangkauan, dan keterlibatan audiens. Peningkatan ini, meskipun bersifat gradual, secara meyakinkan membuktikan bahwa pendekatan strategis yang selaras dengan logika algoritma mampu memperbaiki performa akun secara signifikan. Oleh karena itu, penelitian ini menyimpulkan bahwa untuk mentransformasi capaian awal ini akan menjadi pertumbuhan yang berkelanjutan, diperlukan sebuah langkah institusionalisasi model. Proses ini menuntut adanya fokus yang tajam pada segmentasi audiens untuk personalisasi pesan, implementasi analisis performa sebagai siklus umpan balik yang berkelanjutan, serta pengelolaan komunitas digital yang proaktif untuk membangun loyalitas dan advokasi dari para pengikut.

Digital transformation is driving educational institutions to utilize social media, particularly Instagram, to expand their reach and build their institutional image. Instagram, with its visual storytelling capabilities and ability to reach a younger audience, offers significant opportunities for this purpose. Based on this context, this research adopts a qualitative case study approach designed as an action research cycle to implement and evaluate the effectiveness of an algorithm-based content model on the Kampus Gratis Instagram account. Based on the theoretical framework of social media machine learning proposed by Kaplan and Haenlein, this research began with an in-depth diagnostic phase through data triangulation from interviews, participant observation, and content documentation. The results of this initial diagnosis comprehensively revealed that the existing content strategy had not been optimized, characterized by systematic weaknesses such as a sporadic upload schedule, weak contextual caption narratives, and a lack of interactive elements that stimulate audience engagement. Based on these diagnostic findings, a structured intervention model, including content scheduling, caption optimization using the AIDA framework, and establishing content pillars, was then consistently implemented over a three-month period. A post-implementation evaluation, which compared performance data before and after the intervention, showed a positive and measurable upward trend in key metrics such as visibility, reach, and audience engagement. This improvement, while gradual, convincingly demonstrated that a strategic approach aligned with the algorithm's logic can significantly improve account performance. Therefore, this study concluded that transforming these initial gains into sustainable growth requires institutionalizing the model. This process requires a sharp focus on audience segmentation for message personalization, implementing performance analytics as a continuous feedback loop, and proactive digital community management to build follower loyalty and advocacy.