eprintid: 10067 rev_number: 6 eprint_status: archive userid: 46 dir: disk0/00/01/00/67 datestamp: 2025-10-08 05:29:29 lastmod: 2025-10-08 05:29:29 status_changed: 2025-10-08 05:29:29 type: thesis metadata_visibility: show creators_name: Harahap, Muhammad Fadhillah creators_NPM: 065120173 contributors_type: http://www.loc.gov/loc.terms/relators/THS contributors_type: http://www.loc.gov/loc.terms/relators/THS contributors_name: Harsani, Prihastuti contributors_name: Yanti, Yusma contributors_NIDN: 0427017501 contributors_NIDN: 0429058803 corp_creators: Universitas Pakuan corp_creators: Fakultas Matematika dan Ilmu Pnegetahuan Alam corp_creators: Program Studi Ilmu Komputer title: ANALISIS SENTIMEN PADA MEDIA SOSIAL TERHADAP KENDARAAN LISTRIK MENGGUNAKAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) DAN LONG SHORT TERM MEMORY (LSTM) ispublished: pub subjects: QK divisions: sch_ecs full_text_status: none abstract: 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 date: 2025-07-01 date_type: published institution: Universitas Pakuan department: Fakultas Matematika dan Pengetahuan Alam thesis_type: Skripsi thesis_name: Sarjana citation: Harahap, Muhammad Fadhillah (2025) ANALISIS SENTIMEN PADA MEDIA SOSIAL TERHADAP KENDARAAN LISTRIK MENGGUNAKAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS (BERT) DAN LONG SHORT TERM MEMORY (LSTM). Skripsi thesis, Universitas Pakuan.