ABSTRAK :
Penelitian ini mengembangkan sistem rekomendasi konten Instagram kampus
berbasis web menggunakan algoritma K-Means Clustering. Sistem ini bertujuan
membantu pengguna menemukan konten yang relevan berdasarkan kesamaan topik dan
interaksi. Data yang digunakan berupa caption, hashtag, jumlah like, komentar, view, dan
share dari akun Instagram kampus. Caption dan hashtag diproses menggunakan metode
TF-IDF untuk menghasilkan representasi numerik. Selanjutnya, algoritma K-Means
digunakan untuk mengelompokkan konten ke dalam empat klaster (C0 hingga C3)
berdasarkan kemiripan fitur. Sistem diuji menggunakan 10 data uji dan berhasil
mengelompokkan konten ke dalam empat klaster yang merepresentasikan pola
engagement berbeda. Evaluasi dilakukan menggunakan cosine similarity, yang
menunjukkan bahwa sistem mampu mengidentifikasi kelompok konten dengan
karakteristik performa yang serupa. Hasil pengelompokan ini dimanfaatkan untuk
merekomendasikan strategi penulisan caption dan pemilihan hashtag berdasarkan klaster
dengan performa tertinggi. Sistem ini diharapkan dapat meningkatkan efisiensi
penyampaian informasi dan keterlibatan audiens terhadap konten kampus.
Kata Kunci : Sistem Rekomendasi, Instagram, K-Means Clustering, TF-IDF, Web-
Based
|