%X ANALISIS SENTIMEN PADA MEDIA SOSIAL TERHADAP
KENDARAAN LISTRIK MENGGUNAKAN BIDIRECTIONAL
ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT)
DAN LONG SHORT TERM MEMORY (LSTM)
Muhammad Fadhillah Harahap 1
, Prihastuti Harsani 2
, Yusma Yanti 3
muhammadfadhillahharahap@gmail.com
1, 2, 3 Department of Computer Science, Faculty of Mathematics and Natural Science, Pakuan
University, Bogor, West Java, 16143, Indonesia
Abstract
Kendaraan listrik merupakan alternatif ramah lingkungan yang berpotensi mengurangi emisi,
namun penerimaannya di Indonesia masih menghadapi tantangan. Berdasarkan data Kementerian
Perhubungan melalui Sistem Registrasi Uji Tipe (SRUT), hingga awal 2024 tercatat sekitar 195.084
Kendaraan Listrik Berbasis Baterai (KBLBB) terdaftar di Indonesia. Penelitian ini bertujuan
menganalisis sentimen masyarakat terhadap kendaraan listrik melalui media sosial X, Instagram, dan
TikTok, serta membandingkan performa dua metode klasifikasi teks: Bidirectional Encoder
Representations from Transformers (BERT) dan Long Short-Term Memory (LSTM). Data
dikumpulkan menggunakan teknik crawling dan scraping dengan kata kunci kendaraan listri. pada
periode Januari 2021 samoai Januari 2025, menghasilkan 5.172 komentar berbahasa Indonesia yang
dikelompokkan ke dalam lima kelas sentimen: sangat positif, positif, netral, negatif, dan sangat
negatif. Proses pengolahan data mengikuti tahapan Knowledge Discovery in Database (KDD),
meliputi preprocessing (case folding, stopword removal, tokenizing, stemming), transformasi data,
klasifikasi, dan evaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan IndoBERT
unggul signifikan dengan akurasi 91%, sedangkan LSTM hanya mencapai akurasi 36%. Distribusi
sentimen mengindikasikan dominasi sentimen negatif dan sangat negatif, yang mencerminkan
kekhawatiran publik terhadap efektivitas, biaya, dan perawatan kendaraan listrik. Temuan ini
memberikan masukan penting bagi pemerintah dan industri otomotif dalam menyusun strategi
promosi, edukasi, serta pengembangan infrastruktur pendukung. Penelitian selanjutnya
direkomendasikan untuk Penerapan teknik augmentasi data untuk meningkatkan performa, khususnya
pada model seperti LSTM. Alami, khususnya dalam mendukung kendaraan Listrik melalui
pemahaman terhadap opini publik.
Kata kunci: BERT, LSTM, Analisis Sentimen. Kendaraan Listrik, Media Sosial
%L eprintsunpak10067
%D 2025
%A Muhammad Fadhillah Harahap
%I Universitas Pakuan
%T ANALISIS SENTIMEN PADA MEDIA SOSIAL TERHADAP
KENDARAAN LISTRIK MENGGUNAKAN BIDIRECTIONAL
ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT)
DAN LONG SHORT TERM MEMORY (LSTM)