Analisis Aspek dan Sentimen Terhadap Topik Energi Baru Terbarukan (EBT) di Media Sosial X Menggunakan IndoBERT Multi-Task Learning

Abstract

Transisi energi terbarukan di Indonesia membutuhkan dukungan publik yang kuat, tetapi memahami persepsi publik melalui media sosial masih menjadi tantangan karena kompleksitas bahasa Indonesia dan keterbatasan model analisis sentimen tugas tunggal yang ada dalam konteks energi terbarukan. Penelitian ini bertujuan untuk menganalisis aspek dan sentimen publik terhadap isu EBT melalui data media sosial X (Twitter) menggunakan pendekatan multi-task learning berbasis IndoBERT. Dataset terdiri dari 1.095 tweet yang dikumpulkan selama akhir tahun 2024, yang diproses melalui text prepocessing, topic modeling dengan Latent Dirichlet Allocation (LDA), pelabelan data dengan bantuan Large Language Model dan validasi manusia, serta klasifikasi aspek dan sentimen menggunakan IndoBERT multi-task learning. LDA mengidentifikasi 11 topik optimal yang dikategorikan menjadi lima aspek yaitu ENVIRONMENTAL_IMPACT, ENERGY_TECHNOLOGY, GOVERNMENT_POLICY, ENERGY_ACCESS, dan OTHER. Analisis sentimen menunjukkan dominasi sentimen negatif, diikuti positif  dan netral. Hal ini mengindikasikan kritik dan kekhawatiran publik terhadap implementasi energi terbarukan. Model multi-task IndoBERT mencapai performa unggul dengan akurasi klasifikasi sentimen 89% dan kesepakatan keseluruhan 92.6% untuk klasifikasi aspek. Insights berbasis data ini menyoroti perlunya pergeseran dari pesan lingkungan yang defensif menuju komunikasi proaktif tentang manfaat praktis dan akses energi yang berkeadilan untuk membangun dukungan publik yang lebih kuat bagi transisi energi terbarukan Indonesia.