<> "The repository administrator has not yet configured an RDF license."^^ . <> . . . "ANALISIS SENTIMEN PADA MEDIA SOSIAL TERHADAP\r\nKENDARAAN LISTRIK MENGGUNAKAN BIDIRECTIONAL\r\nENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT)\r\nDAN LONG SHORT TERM MEMORY (LSTM)"^^ . "ANALISIS SENTIMEN PADA MEDIA SOSIAL TERHADAP\r\nKENDARAAN LISTRIK MENGGUNAKAN BIDIRECTIONAL\r\nENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT)\r\nDAN LONG SHORT TERM MEMORY (LSTM)\r\nMuhammad Fadhillah Harahap 1\r\n, Prihastuti Harsani 2\r\n, Yusma Yanti 3\r\nmuhammadfadhillahharahap@gmail.com\r\n1, 2, 3 Department of Computer Science, Faculty of Mathematics and Natural Science, Pakuan\r\nUniversity, Bogor, West Java, 16143, Indonesia\r\nAbstract\r\nKendaraan listrik merupakan alternatif ramah lingkungan yang berpotensi mengurangi emisi,\r\nnamun penerimaannya di Indonesia masih menghadapi tantangan. Berdasarkan data Kementerian\r\nPerhubungan melalui Sistem Registrasi Uji Tipe (SRUT), hingga awal 2024 tercatat sekitar 195.084\r\nKendaraan Listrik Berbasis Baterai (KBLBB) terdaftar di Indonesia. Penelitian ini bertujuan\r\nmenganalisis sentimen masyarakat terhadap kendaraan listrik melalui media sosial X, Instagram, dan\r\nTikTok, serta membandingkan performa dua metode klasifikasi teks: Bidirectional Encoder\r\nRepresentations from Transformers (BERT) dan Long Short-Term Memory (LSTM). Data\r\ndikumpulkan menggunakan teknik crawling dan scraping dengan kata kunci kendaraan listri. pada\r\nperiode Januari 2021 samoai Januari 2025, menghasilkan 5.172 komentar berbahasa Indonesia yang\r\ndikelompokkan ke dalam lima kelas sentimen: sangat positif, positif, netral, negatif, dan sangat\r\nnegatif. Proses pengolahan data mengikuti tahapan Knowledge Discovery in Database (KDD),\r\nmeliputi preprocessing (case folding, stopword removal, tokenizing, stemming), transformasi data,\r\nklasifikasi, dan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan IndoBERT\r\nunggul signifikan dengan akurasi 91%, sedangkan LSTM hanya mencapai akurasi 36%. Distribusi\r\nsentimen mengindikasikan dominasi sentimen negatif dan sangat negatif, yang mencerminkan\r\nkekhawatiran publik terhadap efektivitas, biaya, dan perawatan kendaraan listrik. Temuan ini\r\nmemberikan masukan penting bagi pemerintah dan industri otomotif dalam menyusun strategi\r\npromosi, edukasi, serta pengembangan infrastruktur pendukung. Penelitian selanjutnya\r\ndirekomendasikan untuk Penerapan teknik augmentasi data untuk meningkatkan performa, khususnya\r\npada model seperti LSTM. Alami, khususnya dalam mendukung kendaraan Listrik melalui\r\npemahaman terhadap opini publik.\r\nKata kunci: BERT, LSTM, Analisis Sentimen. Kendaraan Listrik, Media Sosial"^^ . "2025-07-01" . . "Universitas Pakuan"^^ . . . "Fakultas Matematika dan Pengetahuan Alam, Universitas Pakuan"^^ . . . . . . . . . . . "Yusma"^^ . "Yanti"^^ . "Yusma Yanti"^^ . . "Muhammad Fadhillah"^^ . "Harahap"^^ . "Muhammad Fadhillah Harahap"^^ . . "Prihastuti"^^ . "Harsani"^^ . "Prihastuti Harsani"^^ . . "Universitas Pakuan"^^ . . . "Fakultas Matematika dan Ilmu Pnegetahuan Alam"^^ . . . "Program Studi Ilmu Komputer"^^ . . . . . . "HTML Summary of #10067 \n\nANALISIS SENTIMEN PADA MEDIA SOSIAL TERHADAP \nKENDARAAN LISTRIK MENGGUNAKAN BIDIRECTIONAL \nENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) \nDAN LONG SHORT TERM MEMORY (LSTM)\n\n" . "text/html" . . . "Ilmu Komputer"@en . .