PENDAHULUAN
Dalam era digital saat ini, media sosial telah menjadi platform yang
sangat penting bagi perusahaan untuk membangun dan memperkuat citra mereka di mata publik. Salah satu aspek kunci
dari citra ini adalah employer branding, yaitu strategi yang digunakan
oleh organisasi untuk membedakan diri mereka sebagai pemberi kerja dari
pesaing mereka (Verčič et al., 2022). Employer
branding tidak hanya mempengaruhi kemampuan perusahaan untuk menarik dan mempertahankan talenta terbaik, tetapi juga membentuk persepsi publik tentang nilai-nilai dan budaya perusahaan tersebut (Hanu et al., 2021).
Instagram, sebagai salah satu platform media sosial terpopuler, memungkinkan perusahaan untuk berinteraksi dengan audiens melalui konten visual yang menarik.
Platform ini menawarkan berbagai format konten seperti gambar, video, dan cerita, yang dapat digunakan untuk menyampaikan pesan-pesan employer
branding dengan cara yang kreatif dan efektif (Zhang et al., 2020). Keberhasilan strategi employer branding di Instagram dapat diukur melalui
engagement yang diterima oleh konten
tersebut, yaitu jumlah like dan comment dari pengguna (Kim, 2020).
Elaboration Likelihood Model (ELM), yang dikembangkan oleh Petty dan Cacioppo (1981, sebagaimana dikutip dalam (Baran et al., 2012), memberikan kerangka teoritis untuk memahami bagaimana individu memproses informasi dan pesan persuasif. Model ini memperkenalkan dua jalur utama dalam pemrosesan
informasi: jalur sentral dan jalur peripheral (Bernard, 2024) (Griffin, 2006) (Littlejohn et al., 2021) Jalur sentral melibatkan pemrosesan pesan secara mendalam dan kritis, yang memerlukan usaha kognitif signifikan dan menghasilkan perubahan sikap yang lebih tahan lama (Bernard, 2024). Sebaliknya, jalur periferal melibatkan pemrosesan yang lebih sederhana dan kurang kritis, di mana individu membuat keputusan berdasarkan isyarat sederhana seperti daya tarik sumber
atau popularitas pesan (Shahab et al., 2021).
Dalam konteks employer
branding di Instagram, like dapat diasumsikan
sebagai indikator dari jalur periferal,
di mana pengguna memberikan
like berdasarkan isyarat
visual tanpa evaluasi mendalam. Sebaliknya, comment dianggap sebagai indikator dari jalur sentral, menunjukkan keterlibatan yang lebih mendalam dengan konten yang diposting oleh Perusahaan (Farivar et al., 2023) (Liao & Huang, 2021).
Penelitian ini berfokus pada analisis konten Instagram Bank X
di Indonesia untuk mengidentifikasi
tema dan aspek visual yang terdiri dari format konten, dan objek visual yang
paling efektif dalam menarik engagement dari audiens. Tema konten mencakup
berbagai aspek proposisi nilai yang dikomunikasikan oleh perusahaan, seperti
nilai aplikasi, minat, sosial, ekonomi, pengembangan, manajemen, keseimbangan
kerja/hidup, dan citra merek (Bharti & Antil, 2021) (Dabirian et al., 2019). Penelitian ini juga bertujuan untuk memahami hubungan antara tema, format
konten, dan objek visual dengan jumlah like dan comment, untuk memberikan
wawasan penting bagi strategi media sosial perusahaan dalam meningkatkan
employer branding.
Melalui analisis yang
komprehensif, penelitian ini akan membantu Bank X dalam merancang konten yang
lebih efektif untuk menarik dan mempertahankan talenta terbaik di pasar kerja
yang semakin kompetitif. Hasil penelitian ini diharapkan dapat memberikan kontribusi
signifikan dalam bidang komunikasi pemasaran dan manajemen sumber daya manusia,
khususnya dalam konteks penggunaan media sosial sebagai alat strategis untuk
employer branding.
METODE
Penelitian ini menggunakan
metodologi kuantitatif dengan pendekatan deskriptif dan paradigma
post-positivisme. Metodologi kuantitatif berfokus pada pengumpulan dan analisis
data numerik yang objektif, memungkinkan peneliti untuk menguji hipotesis dan
membuat generalisasi dari sampel yang dipelajari (Adu & Miles, 2023) (Creswell & Creswell, 2017) (Scharrer & Ramasubramanian, 2021). Metode ini menggunakan alat-alat statistik untuk menganalisis data dan
bertujuan untuk menghasilkan temuan yang dapat diandalkan dan valid (Neuman Lawrence, 2014). Pendekatan post-positivisme, yang sering dikaitkan dengan metode ilmiah, menekankan objektivitas, pengendalian bias, dan deduksi dalam penelitian (Creswell & Creswell, 2017) . Paradigma ini juga mendorong replikasi dan generalisasi temuan, memastikan bahwa hasil penelitian dapat diterapkan pada populasi yang lebih luas.
Metode analisis isi kuantitatif digunakan dalam penelitian ini untuk mengkaji konten Instagram Bank X. Analisis
isi kuantitatif adalah teknik yang digunakan untuk mengidentifikasi pola atau tren dalam
media dengan cara yang objektif dan sistematis. Dalam konteks ini, analisis
isi membantu untuk mengukur frekuensi kemunculan tema atau aspek
tertentu dalam konten media dan menghubungkannya
dengan variabel lain seperti tingkat engagement (Jones, 2022). Teknik ini melibatkan pengkodean data, di mana kategori
dan tema yang telah ditentukan sebelumnya digunakan untuk mengklasifikasikan konten, yang kemudian dianalisis secara kuantitatif.
Populasi penelitian ini mencakup seluruh konten Instagram terkait employer
branding yang dipublikasikan oleh Bank X sepanjang tahun 2022. Metode sensus digunakan, di mana setiap unit konten dalam populasi dianalisis tanpa pengecualian (Riffe et al., 2023). Pada tahun 2022, terdapat 347 konten pada Instagram terkait
employer branding yang dipublikasikan oleh Bank X. Pemilihan tahun 2022 sebagai periode pengamatan dilakukan untuk menghindari variasi data yang signifikan yang
mungkin terjadi di tahun-tahun berikutnya, sehingga memberikan gambaran yang lebih konsisten tentang aktivitas branding di media sosial.
Analisis isi kuantitatif bertujuan untuk mengukur konten secara sistematis dan dapat direplikasi, dengan data yang dihasilkan berupa statistik, tabel, atau grafik
(Swann, 2020). Pengukuran dan pengkodean dalam analisis isi harus dilakukan
dengan hati-hati, dengan dua pendekatan utama yaitu pengkodean
manifest dan pengkodean laten. Pengkodean
manifest menghitung isi teks yang mudah diidentifikasi, sementara pengkodean laten mencari makna tersembunyi dalam konten teks.
Data dikumpulkan melalui
dokumentasi semua konten Instagram yang relevan, di mana setiap postingan
didokumentasikan dalam bentuk tautan. Coding sheet digunakan untuk mencatat
data, dengan panduan dari coding book yang telah divalidasi melalui validitas isi.
Validitas isi memastikan bahwa kategori yang digunakan mencerminkan seluruh
rentang makna dari konsep yang sedang diukur, memastikan representativitas yang
tepat dari elemen yang dianalisis.
Pengkodean dilakukan oleh dua coder yang memiliki
keahlian dalam digital
marketing dan media sosial, khususnya
terkait dengan employer
branding di Instagram. Coding book digunakan sebagai
panduan untuk memastikan konsistensi dan keakuratan dalam pengkodean. Intercoder reliability digunakan untuk mengukur
konsistensi penerapan kode oleh para coder, dengan nilai
reliabilitas antar coder
minimum 0,7 dianggap sebagai standar
yang dapat diterima (Damastuti, 2021).
Data dianalisis menggunakan distribusi frekuensi untuk mengidentifikasi tema dan aspek visual yang paling sering digunakan. Distribusi frekuensi adalah metode yang digunakan untuk menggambarkan pola data dengan mengelompokkan data ke dalam kategori yang berbeda dan menghitung jumlah kejadian di setiap kategori (Adu & Miles, 2023) . Selain itu, uji chi-square digunakan untuk menguji hubungan
antara variabel-variabel berikut:
a. Tema dengan jumlah like.
b. Tema dengan jumlah komentar.
c. Aspek visual
dengan jumlah like.
d. Aspek visual
dengan jumlah komentar.
Uji chi-square dipilih karena sesuai untuk
analisis data kategorikal
dan untuk menentukan hubungan signifikan antara dua variabel (Salcedo & McCormick, 2023)
Validitas isi pada coding book digunakan untuk memastikan bahwa kategori dan variabel yang diukur sesuai dengan konsep
yang ingin diukur. Evaluasi ini melibatkan penilaian oleh ahli untuk menentukan relevansi dan
representativitas kategori yang digunakan (Hendryadi, 2017) �(Roebianto et al., 2023) Reliabilitas diuji melalui intercoder reliability, memastikan
konsistensi antara coder dalam penerapan kode.
HASIL DAN PEMBAHASAN
Dilansir dari
websitenya Bank X didirikan pada tahun 1957 dan telah berkembang menjadi
salah satu bank swasta terbesar di Indonesia, berawal dari layanan perbankan
tradisional hingga mencakup perbankan elektronik seperti ATM dan layanan
online, serta produk inovatif seperti Kartu Pembayaran. Bank X juga merambah ke
perbankan syariah dan asuransi, serta meningkatkan kapabilitas perbankan
digital dengan mengakuisisi bank digital dan meluncurkan layanan baru untuk
meningkatkan pengalaman pelanggan. Selain itu, dari
1. Uji Validitas
Pengujian validitas isi melibatkan dua teknik utama: Aiken's V dan Content
Validity Ratio (CVR). Aiken's V digunakan untuk menilai relevansi item
berdasarkan penilaian para ahli, dengan nilai V yang dihasilkan adalah 0,926.
Nilai ini menunjukkan tingkat kesepakatan yang sangat tinggi di antara para
ahli tentang relevansi item-item dalam coding book.
Untuk CVR, setiap item dalam coding book dinilai oleh para ahli untuk
menentukan apakah item tersebut esensial, berguna tetapi tidak esensial, atau
tidak diperlukan. Berikut adalah hasil perhitungan
CVR untuk 15 item dalam
coding book:
Tabel 1. Nilai
CVR per Item
|
ITEM |
NE |
CVR |
|
1 |
6 |
1 |
|
2 |
6 |
1 |
|
3 |
6 |
1 |
|
4 |
5 |
0,67 |
|
5 |
6 |
1 |
|
6 |
6 |
1 |
|
7 |
6 |
1 |
|
8 |
6 |
1 |
|
9 |
6 |
1 |
|
10 |
6 |
1 |
|
11 |
6 |
1 |
|
12 |
6 |
1 |
|
13 |
6 |
1 |
|
14 |
6 |
1 |
|
15 |
6 |
1 |
Dari hasil di atas, dapat dilihat bahwa
14 dari 15 item memiliki nilai CVR sebesar 1, yang menunjukkan bahwa semua ahli setuju
bahwa item tersebut esensial untuk dimasukkan dalam pengukuran. Satu item memiliki nilai CVR sebesar 0,67, yang masih menunjukkan tingkat kesepakatan yang signifikan di antara para ahli. Menurut pedoman
umum, nilai CVR di atas 0,50 menunjukkan bahwa item tersebut memiliki validitas isi yang cukup.
2. Uji Realibilitas
Dalam penelitian ini, reliabilitas antar-penilai diukur menggunakan percent
agreement dan koefisien Holsti
untuk variabel tema, format, objek, likes, dan
comments. Percent agreement mengukur seberapa sering dua atau lebih penilai
memberikan penilaian yang sama pada set data yang sama, sementara koefisien Holsti memberikan ukuran yang lebih rinci tentang kesepakatan
antar-penilai. Hasil analisis
menunjukkan nilai reliabilitas yang sangat tinggi: tema (0.9798), format (0.9971), objek
(0.9827), likes (0.9885), dan comments (0.9942). Nilai ini
menunjukkan kesepakatan hampir sempurna di antara penilai, yang penting untuk memastikan
data yang akurat dan dapat dipercaya.
Tabel 2. Hasil Uji Realibilitas
Antar-Coder
|
Unit Analisis |
Realibilitas Antar-coder |
|
Tema konten |
0,979827089 |
|
Format konten |
0,997118156 |
|
Objek konten |
0,982708934 |
|
Like |
0,988472622 |
|
Comment |
0,994236311 |
Nilai reliabilitas di atas 0.75 umumnya dianggap baik, dan nilai di atas 0.90 dianggap sangat baik, menunjukkan kualitas pengukuran yang sangat tinggi dalam penelitian
ini. Tingginya reliabilitas ini memastikan bahwa instrumen pengukuran yang digunakan dalam penelitian ini, termasuk coding sheet dan coding book, memberikan
data yang konsisten dan dapat
diandalkan, sehingga temuan yang dihasilkan dapat dipercaya
3. Distribusi Frekuensi
Distribusi Frekuensi Berdasarkan Tema Konten
Distribusi frekuensi berdasarkan tema konten menunjukkan
bahwa tema "Economic
Value" adalah yang paling dominan
dalam konten Instagram Bank
X, dengan 113 postingan
(32.6%). Diikuti oleh "Aplication
Value" dengan 102 postingan
(29.4%), dan "Work Life Balance" serta
"Interest Value," masing-masing dengan 34 postingan (9.8%). Tema "Brand Image" diangkat dalam 31 postingan (8.9%), sementara
"Development Value" dan "Social Value" relatif
lebih jarang muncul, dengan masing-masing 18
(5.2%) dan 8 (2.3%) postingan. Tema yang paling sedikit diangkat adalah "Management Value," hanya
muncul dalam 7 postingan (2.0%).
Tabel 3. Distribusi
Frekuensi Tema
Distribusi Frekuensi Berdasarkan Aspek Visual
a. Format Konten
Dari total 347 postingan Instagram Bank X, distribusi
frekuensi berdasarkan
format konten menunjukkan dominasi yang jelas oleh format gambar. Sebanyak 267 postingan (76.9%) menggunakan
format gambar, sedangkan sisanya 80 postingan (23.1%) menggunakan format video. Ini menunjukkan
preferensi atau strategi tertentu dalam penggunaan gambar untuk komunikasi dengan audiens di platform ini.
Tabel 4. Distribusi
Frekuensi Format Konten
b. Objek Visual
Distribusi frekuensi objek visual dalam konten Instagram Bank X mengungkapkan bahwa objek animasi atau
gambar adalah yang paling sering digunakan, muncul dalam 167 postingan (48.1%). Objek asli, yang mencakup elemen nyata tanpa
modifikasi digital yang signifikan,
digunakan dalam 52 postingan (15.0%). Sedangkan kombinasi dari objek animasi/gambar
dan objek asli, yang dikelompokkan dalam kategori "Gabungan," digunakan dalam 128 postingan (36.9%). Ini menunjukkan
kecenderungan untuk memanfaatkan elemen visual yang lebih kreatif atau
terintegrasi dalam menyampaikan pesan.
Tabel 5. Distribusi
Frekuensi Objek Visual
Distribusi Frekuensi Berdasarkan Likes dan
Comments
Ketika melihat distribusi frekuensi berdasarkan kategori likes, mayoritas postingan mendapatkan antara 0 hingga 505 likes, dengan total
263 postingan (75.8%). Selanjutnya,
kategori 506-1011 likes mencatatkan
59 postingan (17.0%). Hanya sedikit
postingan yang mendapatkan
likes dalam jumlah lebih besar: 1012-1517 likes (14 postingan, 4.0%), 1518-2023 likes (8 postingan,
2.3%), dan 2024-1529 likes (3 postingan, 0.9%). Ini menunjukkan bahwa sebagian besar konten memiliki keterlibatan likes yang relatif rendah hingga sedang.
Tabel 6. Distribusi
Frekuensi Likes
Distribusi frekuensi untuk jumlah komentar menunjukkan bahwa sebagian besar postingan menerima 0 hingga 107 komentar, dengan total 329 postingan
(94.8%). Kategori komentar
yang lebih tinggi, yaitu 108-215, hanya diisi oleh 11 postingan (3.2%), sementara kategori lainnya seperti 216-323, 324-431,
dan 432-539 memiliki frekuensi
yang sangat rendah, masing-masing dengan
2, 3, dan 2 postingan. Hal ini
mengindikasikan bahwa keterlibatan dalam bentuk komentar cenderung rendah, dengan mayoritas postingan mendapatkan sedikit atau tidak
ada komentar.
Tabel
7.
Distribusi Frekuensi Format
Comment
4. Tabulasi Silang
Tema
dengan Likes
Analisis tabulasi silang menunjukkan hubungan antara tema konten
Instagram Bank X dan keterlibatan audiens
yang diukur melalui jumlah likes dan komentar. Tema
"Economic Value" mencatat jumlah likes terbanyak di kategori 0-505 dengan 74 postingan, serta distribusi yang cukup baik di kategori 506-1011 dengan 27 postingan, dan mencapai kategori tertinggi 2024-1529 dengan 5 postingan. Hal ini menunjukkan
bahwa konten dengan tema ekonomi menarik perhatian audiens yang signifikan.
"Aplication Value" juga menunjukkan kinerja yang baik dengan 85
postingan di kategori 0-505 likes dan 13 postingan di kategori 506-1011, namun
jarang mencapai kategori likes yang lebih tinggi.
Tema lain seperti
"Interest Value" dan "Brand Image" menunjukkan
keterlibatan yang moderat dengan 19 dan 27 postingan di kategori 0-505, serta beberapa yang mencapai kategori 506-1011. Namun, tema-tema seperti
"Development Value," "Management Value," dan "Social
Value" cenderung mendapatkan
likes yang sangat sedikit, dengan
sebagian besar postingan berada di kategori terendah 0-505, menunjukkan bahwa tema-tema ini kurang
menarik perhatian audiens.
Tabel 8. Tabulasi
Silang Tema dan Likes
Tema
dan Komentar
Dalam hal komentar, tema "Economic
Value" kembali mendominasi
dengan 107 postingan di kategori 0-107, diikuti oleh
"Aplication Value" dengan
96 postingan. Kedua tema ini menunjukkan
daya tarik yang tinggi tidak hanya
dalam bentuk likes tetapi juga komentar, meskipun sebagian besar komentar berada di kategori terendah. Tema-tema lain seperti "Interest Value" dan "Brand
Image" memiliki jumlah
komentar yang lebih sedikit, dengan sebagian besar berada di kategori 0-107 dan hanya sedikit yang mencapai kategori komentar yang lebih tinggi. Tema seperti
"Development Value," "Social Value," dan "Management
Value" hampir tidak mendapatkan komentar, menandakan keterlibatan yang
sangat rendah.
Tabel 9. Tabulasi
Silang Tema dan Komentar
Format
Konten dan Likes
Analisis berdasarkan format konten menunjukkan bahwa konten dengan format gambar lebih banyak
menarik likes dibandingkan dengan video. Konten gambar mendominasi dengan 210 postingan yang menerima 0-505 likes, sementara hanya 53 postingan dengan format video yang mendapatkan
jumlah likes yang sama.
Gambar juga lebih sering mencapai kategori likes yang lebih tinggi (506-1011), dengan 40 postingan, dibandingkan video yang hanya memiliki 19 postingan dalam kategori yang sama.
Tabel 10. Tabulasi
Silang Format Konten dan Likes
Format
Konten dan Komentar
Format konten juga mempengaruhi jumlah komentar yang diterima. Konten gambar memperoleh
lebih banyak komentar, dengan 254 komentar di kategori 0-107, menunjukkan bahwa format ini lebih efektif
dalam menarik interaksi dibandingkan video. Sebaliknya, konten video hanya mendapatkan 75 komentar dalam kategori yang
sama. Kedua format tersebut menunjukkan keterlibatan yang rendah di kategori
komentar yang lebih tinggi, mengindikasikan bahwa jenis konten ini mungkin
lebih efektif dalam menarik perhatian daripada mendorong diskusi mendalam.
Tabel 11. Tabulasi
Silang Format Konten dan Komentar
Objek Visual
dan Likes
Objek visual
yang digunakan dalam konten juga memainkan peran penting dalam
menarik likes. Objek animasi atau gambar
lebih populer, dengan 138 postingan yang menerima 0-505 likes, dan beberapa
mencapai kategori likes
yang lebih tinggi. Objek asli, di sisi lain, mendapatkan lebih sedikit perhatian,
dengan 29 postingan dalam kategori 0-505 likes dan hanya beberapa yang mencapai kategori lebih tinggi. Konten
dengan objek gabungan (kombinasi animasi/gambar dan asli) juga menunjukkan keterlibatan yang lebih rendah, dengan sebagian besar berada di kategori 0-505 likes.
Tabel 12. Tabulasi
Silang Objek Visual dan Likes
Objek Visual
dan Komentar
Dalam hal komentar, objek animasi atau gambar
juga lebih banyak menarik perhatian, dengan 156 komentar di kategori 0-107. Objek asli mendapatkan lebih sedikit komentar,
dengan hanya 48 komentar dalam kategori yang sama. Objek gabungan menunjukkan jumlah komentar yang serupa dengan objek asli,
menunjukkan bahwa kombinasi objek visual tidak memberikan peningkatan signifikan dalam keterlibatan dalam bentuk komentar.
Tabel
13.
Tabulasi Silang Objek
Visual dan Komentar
5. Uji Hubungan
Tema
dan Likes
Hasil uji chi-square menunjukkan
bahwa nilai chi-square sebesar 41.687 dengan 28 derajat kebebasan, menghasilkan nilai signifikansi sebesar 0.046.
Karena nilai signifikansi
(p-value) kurang dari 0.05,
ini menunjukkan bahwa terdapat hubungan yang signifikan secara statistik antara tema konten
dan jumlah likes yang diterima.
Dengan kata lain, variasi dalam tema konten
memiliki pengaruh yang signifikan terhadap jumlah likes yang didapatkan oleh
postingan Instagram Bank X.
Ini berarti bahwa pilihan tema
konten adalah faktor penting yang mempengaruhi keterlibatan audiens dalam bentuk
likes di Instagram. Bank X dapat menggunakan
informasi ini untuk mengoptimalkan strategi konten mereka dengan menekankan
tema-tema yang lebih disukai oleh audiens untuk meningkatkan keterlibatan di
media sosial.
Tabel 14. Chi Square Test Tema dan Likes
Tema
dan Komentar
Hasil uji chi-square menunjukkan
bahwa nilai chi-square sebesar 18.430 dengan 28 derajat kebebasan, menghasilkan nilai signifikansi sebesar 0.915. Nilai
signifikansi ini jauh di atas ambang
batas 0.05, yang berarti bahwa
tidak ada hubungan yang signifikan secara statistik antara tema konten
dan jumlah komentar yang diterima. Fisher-Freeman-Halton Exact Test juga menunjukkan hasil yang tidak signifikan (p-value =
0.779), yang memperkuat kesimpulan
bahwa variasi tema tidak memiliki
pengaruh signifikan terhadap jumlah komentar.
Dengan demikian, dapat disimpulkan bahwa tema konten tidak
secara signifikan mempengaruhi keterlibatan dalam bentuk komentar
pada postingan Instagram Bank X. Hal ini mungkin menunjukkan
bahwa faktor lain selain tema lebih
menentukan dalam mendorong audiens untuk memberikan komentar pada postingan tersebut.
Tabel 15. Chi Square Test Tema dan Komentar
Format
Konten dan Likes
Hasil uji chi-square menunjukkan
nilai chi-square sebesar
5.393 dengan 4 derajat kebebasan, menghasilkan nilai signifikansi sebesar 0.249. Nilai signifikansi
ini lebih besar dari 0.05, menunjukkan bahwa tidak ada hubungan
yang signifikan secara statistik antara format konten dan jumlah likes yang diterima. Selain itu,
Fisher-Freeman-Halton Exact Test juga menunjukkan hasil yang tidak signifikan dengan p-value sebesar 0.155.
Dengan demikian, dapat disimpulkan bahwa format konten (gambar atau video) tidak secara signifikan mempengaruhi jumlah likes yang diterima oleh postingan Instagram
Bank X. Hasil ini menunjukkan
bahwa audiens tidak menunjukkan preferensi yang signifikan terhadap salah satu format konten dalam hal
pemberian likes.
Tabel 16. Chi Square Test Format Konten dan Likes
Format
Konten dan Komentar
Hasil uji chi-square menunjukkan
nilai chi-square sebesar
8.296 dengan 4 derajat kebebasan, menghasilkan nilai signifikansi sebesar 0.081. Meskipun p-value ini lebih besar
dari 0.05, mendekati batas signifikansi, ini menunjukkan bahwa hubungan antara format konten dan jumlah komentar tidak cukup signifikan secara statistik.
Fisher-Freeman-Halton Exact Test juga mendukung hasil ini dengan
p-value sebesar 0.155.
Dengan demikian, dapat disimpulkan bahwa format konten (gambar atau video) tidak memiliki hubungan yang signifikan secara statistik dengan jumlah komentar yang diterima oleh postingan Instagram
Bank X. Ini berarti bahwa audiens tidak menunjukkan
preferensi yang jelas terhadap format konten tertentu dalam hal memberikan komentar.
Tabel 17. Chi Square Test Format Konten dan Komentar
Objek Visual
dan Likes
Nilai chi-square sebesar
20.524 dengan 8 derajat kebebasan menghasilkan nilai signifikansi (p-value) sebesar 0.009. Karena p-value ini
kurang dari 0.05, hasil ini menunjukkan
adanya hubungan yang signifikan secara statistik antara jenis objek visual yang digunakan dan jumlah likes yang diterima. Fisher-Freeman-Halton Exact Test juga mendukung hasil ini dengan p-value sebesar 0.005.
Dengan demikian, dapat disimpulkan bahwa jenis objek visual dalam konten Instagram (animasi/gambar, objek asli, atau
gabungan) memiliki pengaruh yang signifikan terhadap jumlah likes yang diterima. Artinya, variasi dalam penggunaan
jenis objek visual dapat mempengaruhi tingkat keterlibatan audiens dalam bentuk
likes.
Tabel 18. Chi Square Test Objek Visual dan Likes
Objek Visual
dan Komentar
Hasil analisis chi-square untuk menilai hubungan
antara jenis objek visual dalam konten Instagram dan jumlah komentar yang diterima mengungkapkan bahwa p-value sebesar 0.232, yang melebihi ambang batas signifikansi 0.05.
Hal ini menunjukkan bahwa tidak ada
hubungan yang signifikan antara jenis objek
visual yang digunakan�seperti
gambar animasi, gambar asli, atau
kombinasi keduanya�dan jumlah komentar yang diterima. Dengan demikian, variasi dalam jenis objek
visual tampaknya tidak berdampak signifikan terhadap tingkat keterlibatan pengguna dalam bentuk komentar
di platform Instagram.
Meskipun
Fisher-Freeman-Halton Exact Test menunjukkan p-value
0.044, yang lebih kecil dari tingkat signifikansi,
penting untuk dicatat bahwa metode
utama yang digunakan
(chi-square) tidak menunjukkan
adanya hubungan yang signifikan. Ini menunjukkan bahwa meskipun ada beberapa indikasi
potensi perbedaan dalam keterlibatan berdasarkan jenis objek visual, secara keseluruhan, hasil ini tidak cukup
kuat untuk mendukung adanya hubungan yang signifikan. Oleh karena itu, dapat
disimpulkan bahwa jenis objek visual tidak memiliki pengaruh yang signifikan terhadap jumlah komentar yang diterima dalam konten Instagram Bank X.
Tabel 19. Chi Square Test Objek Visual dan Komentar
Disccussion
Pengaruh Tema terhadap Engagement
Penelitian ini mengidentifikasi bahwa tema-tema seperti "Economic Value" dan "Application
Value" paling sering digunakan
dalam konten Instagram Bank
X dan mendapatkan tingkat
engagement tertinggi dalam bentuk likes. Ini sejalan dengan penelitian oleh (Dabirian et al., 2019), yang menekankan bahwa manfaat ekonomi dan peluang karir merupakan
faktor utama yang menarik bagi calon
karyawan. Hasil distribusi frekuensi menunjukkan bahwa fokus pada tema-tema ini dapat
menarik perhatian lebih banyak audiens,
yang tercermin dari jumlah likes yang lebih tinggi.
Dari hasil analisis chi-square, terdapat hubungan signifikan antara tema konten
dan jumlah likes (p = 0.034). Ini menunjukkan
bahwa tema yang dipilih untuk konten
media sosial dapat mempengaruhi tingkat engagement. Mengasosiasikan dengan
Elaboration Likelihood Model (ELM), likes dapat diartikan sebagai respons melalui jalur periferal, di mana audiens memberikan respons cepat dan kurang mendalam berdasarkan isyarat sederhana yang mudah dikenali, seperti daya tarik langsung
dari manfaat ekonomi yang ditonjolkan dalam konten. Hal ini konsisten dengan
temuan oleh (Carpentier et al., 2019), yang menyatakan bahwa media sosial memainkan peran penting dalam
membentuk persepsi awal calon karyawan
terhadap perusahaan.
Pengaruh Format
dan Objek Visual terhadap
Engagement
Analisis frekuensi menunjukkan bahwa format gambar lebih sering digunakan
dibandingkan video dalam konten Instagram Bank X, namun hasil uji chi-square tidak menunjukkan hubungan signifikan antara format konten dengan likes atau comments. Ini menunjukkan bahwa meskipun format gambar mungkin lebih sering digunakan,
tidak ada pengaruh yang signifikan terhadap engagement, baik dalam bentuk likes maupun comments. Ini mendukung pandangan dari (Kucherov & Zhiltsova, 2021) bahwa kualitas pesan dan relevansi konten lebih penting
daripada bentuk visualnya dalam menentukan tingkat engagement.
Analisis terhadap objek visual mengungkapkan bahwa penggunaan objek animasi lebih dominan
dibandingkan objek asli atau gabungan.
Hasil uji chi-square menunjukkan bahwa
terdapat hubungan signifikan antara jenis objek visual dan jumlah likes yang diterima (p =
0.047), tetapi tidak untuk comments. Ini menunjukkan bahwa objek visual, seperti animasi, dapat menjadi isyarat
periferal yang kuat, menarik perhatian dan mendorong likes, meskipun mungkin tidak cukup
untuk memicu engagement
yang lebih dalam seperti komentar. Penemuan ini mendukung
pandangan (Otken & Okan, 2016)v, yang menekankan bahwa meskipun elemen visual dapat menarik perhatian
awal, mereka harus dilengkapi dengan konten yang bermakna untuk mendorong keterlibatan lebih lanjut.
Implikasi terhadap Employer Branding di Media Sosial
Temuan ini menyoroti pentingnya
menyelaraskan tema konten dan aspek visual dengan strategi employer branding yang lebih
luas. Media sosial, khususnya Instagram, menawarkan
platform yang kuat untuk berkomunikasi dengan calon karyawan. Namun, seperti yang ditunjukkan oleh hasil penelitian, engagement yang dihasilkan
dari konten media sosial tidak hanya
bergantung pada elemen
visual atau format, tetapi
juga pada relevansi dan daya
tarik dari pesan yang disampaikan. Hal ini penting untuk
memperkuat citra employer
branding, seperti yang ditekankan
dalam penelitian oleh (Bharti & Antil, 2021)v, yang menunjukkan bahwa employer
branding yang kuat dapat menarik lebih banyak
talenta terbaik.
Penggunaan ELM dalam penelitian
ini memberikan kerangka kerja untuk memahami bagaimana audiens memproses
informasi yang disampaikan melalui media sosial. Likes, sebagai indikator jalur
periferal, menunjukkan respons cepat yang kurang mendalam, sedangkan comments,
yang menunjukkan jalur sentral, membutuhkan keterlibatan yang lebih mendalam.
Ini menunjukkan bahwa untuk membangun keterlibatan yang lebih mendalam dan
bermakna, perusahaan perlu fokus pada pengembangan konten yang tidak hanya
menarik secara visual tetapi juga relevan dan berkualitas tinggi.
Dengan demikian, penelitian ini
menyarankan bahwa perusahaan harus mempertimbangkan diversifikasi tema konten
dan pendekatan visual untuk mencapai audiens yang lebih luas dan meningkatkan
engagement. Selain itu, penting bagi perusahaan untuk terus mengevaluasi
efektivitas strategi media sosial mereka dan menyesuaikannya dengan perubahan
preferensi audiens. Hal ini penting untuk memastikan bahwa employer branding
yang disampaikan melalui media sosial tetap relevan dan menarik, serta mampu
menarik talenta terbaik di pasar kerja yang semakin kompetitif.
KESIMPULAN
Penelitian ini mengungkapkan
bahwa dalam konteks Instagram Bank X, tema konten dan objek visual memiliki
pengaruh signifikan terhadap tingkat engagement, khususnya dalam bentuk likes.
Tema-tema seperti "Economic Value" dan "Application Value"
ditemukan memiliki hubungan signifikan dengan jumlah likes, menunjukkan bahwa
audiens Bank X cenderung memberikan respon positif terhadap konten yang
menyoroti manfaat ekonomi dan peluang karir. Selain itu, penggunaan objek
visual, khususnya objek animasi, juga menunjukkan hubungan signifikan dengan
jumlah likes, yang mengindikasikan bahwa elemen visual yang menarik dapat
berfungsi sebagai isyarat periferal yang efektif untuk menarik perhatian
audiens. Hasil
ini mendukung Elaboration
Likelihood Model (ELM), di mana likes dianggap sebagai respons melalui jalur periferal
yang didorong oleh isyarat
visual dan tematik sederhana.
Dalam konteks strategi employer branding, temuan ini menekankan
pentingnya Bank X untuk memfokuskan komunikasi mereka pada aspek-aspek yang
paling relevan dan menarik bagi audiens mereka,
khususnya dalam hal manfaat ekonomi
dan peluang yang ditawarkan
perusahaan. Meskipun format
konten seperti gambar dan video tidak menunjukkan hubungan signifikan dengan engagement, perusahaan tetap perlu mempertimbangkan penggunaan elemen visual yang menarik untuk meningkatkan
daya tarik konten mereka. Dengan demikian, Bank X dapat memanfaatkan platform media
sosial mereka secara lebih efektif
untuk membangun citra sebagai pemberi
kerja yang menarik dan kompetitif, yang pada akhirnya dapat membantu mereka menarik dan mempertahankan talenta terbaik. Kesimpulan ini juga relevan bagi perusahaan
lain yang menggunakan media sosial
untuk strategi employer branding, menekankan
pentingnya konten yang bermakna dan visual yang menarik dalam membentuk persepsi audiens.
DAFTAR
PUSTAKA
Adu, P., & Miles, D. A. (2023). Dissertation
research methods: a step-by-step guide to writing up your research in the
social sciences. Taylor & Francis.
Baran, S. J., Davis, D. K., &
Striby, K. (2012). Mass communication theory: Foundations, ferment, and future.
Bernard, L. L. (2024). Instinct: A study
in social psychology. Taylor & Francis.
Bharti, M., & Antil, A. (2021).
Employer branding and social media: The case of world�s best employers. In Employer
branding for competitive advantage (pp. 69�88). CRC Press.
Carpentier, M., Van Hoye, G., &
Weijters, B. (2019). Attracting applicants through the organization�s social
media page: Signaling employer brand personality. Journal of Vocational
Behavior, 115, 103326.
Creswell, J. W., & Creswell, J. D.
(2017). Research design: Qualitative, quantitative, and mixed methods
approaches. Sage publications.
Dabirian, A., Paschen, J., &
Kietzmann, J. (2019). Employer branding: Understanding employer attractiveness
of IT companies. IT Professional, 21(1), 82�89.
Damastuti, R. (2021). Membedah feeds
instagram produk skincare lokal (analisis isi kuantitatif akun instagram
Avoskin). Perspektif Komunikasi: Jurnal Ilmu Komunikasi Politik Dan Komunikasi
Bisnis, 5(2), 189�199.
Farivar, S., Wang, F., & Yuan, Y.
(2023). Influencer marketing: A perspective of the elaboration likelihood model
of persuasion. Journal of Electronic Commerce Research, 24(2), 127�145.
Griffin, E. M. (2006). A first look at
communication theory. McGraw-hill.
Hanu, C., Amegbe, H., & Mensah, P.
(2021). Your future employer: Employer branding, reputation, and social media. African
Journal of Inter/Multidisciplinary Studies, 3(1), 1�18.
Hendryadi, H. (2017). Validitas isi:
tahap awal pengembangan kuesioner. Jurnal Riset Manajemen Dan Bisnis, 2(2),
259334.
Jones, J. S. (2022). Exploratory and
descriptive statistics. SAGE Publications Limited.
Kim, C. M. (2020). Social media
campaigns: Strategies for public relations and marketing. Routledge.
Kucherov, D., & Zhiltsova, E.
(2021). Social media in employer branding in FMCG in Russia: millennials�
perspective. Journal of East-West Business, 27(2), 160�183.
Liao, L., & Huang, T. (2021). The
effect of different social media marketing channels and events on movie box
office: An elaboration likelihood model perspective. Information &
Management, 58(7), 103481.
Littlejohn, S. W., Foss, K. A., &
Oetzel, J. G. (2021). Theories of Human Communication (Twelfth). Waveland
Press.
Neuman Lawrence, W. (2014). Social
Research Methods: Qualitative and Quantitative Approaches. Pearson. England.
Otken, A. B., & Okan, E. Y. (2016).
The role of social media in employer branding. Entrepreneurship, Business and
Economics-Vol. 1: Proceedings of the 15th Eurasia Business and Economics
Society Conference, 245�260.
Riffe, D., Lacy, S., Watson, B. R.,
& Lovejoy, J. (2023). Analyzing media messages: Using quantitative content
analysis in research. Routledge.
Roebianto, A., Savitri, S. I., Aulia,
I., Suciyana, A., & Mubarokah, L. (2023). Content validity: Definition and
procedure of content validation in psychological research. TPM, 30(1), 5�18.
Salcedo, J., & McCormick, K. (2023).
SPSS Statistics Workbook For Dummies. John Wiley & Sons.
Scharrer, E., & Ramasubramanian, S.
(2021). Quantitative research methods in communication: The power of numbers
for social justice. Routledge.
Shahab, M. H., Ghazali, E., &
Mohtar, M. (2021). The role of elaboration likelihood model in consumer
behaviour research and its extension to new technologies: A review and future
research agenda. International Journal of Consumer Studies, 45(4), 664�689.
Swann, P. (2020). The illustrated guide
to the content analysis research project. Routledge.
Verčič, A. T., Verčič,
D., & �poljarić, A. (2022). Internal communication and employer brands.
Routledge.
Zhang, N., Drake, S. A., & Ding, K.
(2020). Message appeals on an Instagram account promoting seat belt use that
attract adolescents and young adults: Elaboration-likelihood perspective study.
JMIR Formative Research, 4(9), e16800.