Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT

Roni Merdiansah; Siska Siska; Azhari  Ali Ridha

doi:10.55338/jikomsi.v7i1.2895

Authors

Roni Merdiansah Universitas Singaperbangsa Karawang
Siska Siska Universitas Singaperbangsa Karawang
Azhari Ali Ridha Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.55338/jikomsi.v7i1.2895

Keywords:

Analisis Sentimen, IndoBERT, Kendaraan Listrik, NLP, Pengguna X

Abstract

Penggunaan kendaraan listrik semakin menjadi perhatian utama dalam upaya mengurangi dampak negatif terhadap lingkungan. Dalam konteks Indonesia, analisis sentimen terhadap kendaraan listrik menjadi penting untuk memahami pandangan dan opini masyarakat terkait teknologi ramah lingkungan ini. Penelitian ini menggunakan metode IndoBERT untuk menganalisis sentimen pengguna X di Indonesia terhadap kendaraan listrik, dengan membandingkan kinerja model yang dilatih dengan dan tanpa data dari IndoNLU. Dua model berbeda dievaluasi menggunakan metrik evaluasi standar seperti akurasi, presisi, recall, dan F1-score. Tujuan penelitian ini adalah untuk mengidentifikasi dan memahami sentimen pengguna platform X terkait kendaraan listrik di Indonesia, serta untuk mengevaluasi kinerja model IndoBERT dalam memprediksi sentimen tersebut. Metode yang digunakan meliputi scraping data dari platform X, preprocessing data, labeling data, eksplorasi data, pemodelan, dan evaluasi. Hasil penelitian menunjukkan bahwa model yang dilatih dengan data IndoNLU memberikan kinerja yang lebih baik dalam memprediksi sentimen pada teks tweet, serta lebih konsisten dalam setiap epoch. Selain itu, model tersebut juga menunjukkan kemampuan yang lebih baik dalam memahami konteks teks, yang tercermin dalam uji coba teks baru. Dengan demikian, penelitian ini memberikan kontribusi penting dalam pemahaman terhadap pandangan masyarakat terkait kendaraan listrik di Indonesia. Hasilnya dapat digunakan sebagai dasar untuk pengembangan kebijakan, strategi pemasaran, dan pengembangan teknologi kendaraan listrik yang lebih ramah lingkungan di Indonesia.

Downloads

Download data is not yet available.

References

F. V. Sari dan A. Wibowo, “ANALISIS SENTIMEN PELANGGAN TOKO ONLINE JD.ID MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER BERBASIS KONVERSI IKON EMOSI,” Jurnal SIMETRIS, vol. 10, no. 2, 2019.

M. Furqan, S. Sriani, dan M. N. Shidqi, “Chatbot Telegram Menggunakan Natural Language Processing,” Walisongo Journal of Information Technology, vol. 5, no. 1, hlm. 15–26, Jun 2023, doi: 10.21580/wjit.2023.5.1.14793.

S. Dharmawan, ) Viny, C. Mawardi, ) Novario, dan J. Perdana, “Jurnal Ilmu Komputer dan Sistem Informasi Klasifikasi Ujaran Kebencian Menggunakan Metode FeedForward Neural Network (IndoBERT).”

T. Iskandar Zulkarnain Maulana Putra, A. Farhan Bukhori, dan Ilmu Pengetahuan Alam, dan U. Gadjah Mada, “Model Klasifikasi Berbasis Multiclass Classification dengan Kombinasi Indobert Embedding dan Long Short-Term Memory untuk Tweet Berbahasa Indonesia (Classification Model Based on Multiclass Classification with a Combination of Indobert Embedding and Long Short-Term Memory for Indonesian-language Tweets),” Jurnal Ilmu Siber dan Teknologi Digital (JISTED), vol. 1, no. 1, hlm. 1–28, 2022, doi: 10.35912/jisted.v1i1.1509.

S. Imron, E. I. Setiawan, dan J. Santoso, “Deteksi Aspek Review E-Commerce Menggunakan IndoBERT Embedding dan CNN,” Journal of Intelligent System and Computation, vol. 5, no. 1, hlm. 10–16, Apr 2023, doi: 10.52985/insyst.v5i1.267.

“X Pusat Bantuan.” Diakses: 26 Februari 2024. [Daring]. Tersedia pada: https://help.twitter.com/id/resources/new-user-faq

Cindy Mutia Annur, “Ada 27 Juta Pengguna Twitter di Indonesia, Terbanyak ke-4 Global,” databoks, 28 November 2023.

W. S. Development & Security, “Data Scraping : Definisi, Cara Kerja dan 2 Tipe/Jenisnya,” IDCloudHost.

R. Mayasari, B. Nugraha, A. Ratna Juwita, dan N. Heryana, “Analisis Produktifitas Padi di Pulau Sumatera menggunakan Exploratory Data Analysis (EDA).”

I. Hidayat, T. Elektro, R. Deddy, R. Dako, dan J. Ilham, “Analisis Data Eksploratif Capaian Indikator Kinerja Utama 3 Fakultas Teknik,” Jambura Journal of Electrical and Electronics Engineering, vol. 185.

Siti Khadijah Azzukhruf Firdausi, “4 Tahap Preprocessing Data, Beserta Penjelasan & Studi Kasus,” dibimbing.id. Diakses: 26 Februari 2024. [Daring]. Tersedia pada: https://dibimbing.id/blog/detail/mengenal-apa-itu-tahap-preprocessing-data

Alexander S. Gillis, “data splitting,” TechTarget. Diakses: 26 Februari 2024. [Daring]. Tersedia pada: https://www.techtarget.com/searchenterpriseai/definition/data-splitting

“Splitting Data: Pengertian, Fungsi, Cara Kerja,” DIVIDEDIGITAL. Diakses: 26 Februari 2024. [Daring]. Tersedia pada: https://divedigital.id/splitting-data/

Coursera Staff, “Machine Learning Models: What They Are and How to Build Them,” Coursera. Diakses: 26 Februari 2024. [Daring]. Tersedia pada: https://www.coursera.org/articles/machine-learning-models

Gifa Delyani Nursyafitri, “Data Scientist : Analisa Pengujian & Evaluasi Model,” DQLab. Diakses: 26 Februari 2024. [Daring]. Tersedia pada: https://dqlab.id/data-scientist--analisa-pengujian-and-evaluasi-model

Resika Arthana, “Mengenal Accuracy, Precision, Recall dan Specificity serta yang diprioritaskan dalam Machine Learning,” Medium. Diakses: 26 Februari 2024. [Daring]. Tersedia pada: https://rey1024.medium.com/mengenal-accuracy-precission-recall-dan-specificity-serta-yang-diprioritaskan-b79ff4d77de8