Klasifikasi Selebgram melalui Analisis Traffic Post dan Deteksi Objek Menggunakan Metode Convolutional Neural Network

Abstract

Era digital inovatif, memilih selebgram untuk kampanye endorsement kini membutuhkan keahlian mengedepankan akurasi dan ketelitian. Tidak hanya jumlah pengikut yang besar, tetapi juga perlu mempertimbangkan pemetaan ketertarikan dan interaksi dalam setiap unggahan. Instagram, sebagai platform sosial yang populer, menjadi tempat bagi hampir semua orang untuk berbagi momen dan tak jarang postingan yang diunggah mencerminkan minat dan ketertarikan.   Penelitian ini akan  mengotomatisasi pemilihan calon endorser dengan menganalisis ketertarikan melalui pengolahan citra menggunakan metode deep learning, yaitu Convolutional Neural Network, sebuah algoritma dalam pengolahan citra digital. Tujuan utama penelitian ini adalah untuk mengklasifikasikan ketertarikan berdasarkan unggahan di Instagram dengan Convolutional Neural Network, dan menggabungkannya dengan analisis frekuensi data komentar dan like untuk mendapatkan peringkat influencer tertinggi dalam kampanye endorsement sesuai kategori, seperti Food, Travelling, Otomotif, dan Beauty or Fashion. Hasil pengujian model dengan menggunakan confusion matrix menunjukkan akurasi tertinggi 88%, presisi 91%, dan recall 84%. Model diuji pada 2500 dataset, dengan pembagian 90% data latih dan 10% validasi.