Public Sentiment Analysis of the Central Bank Digital Currency (CBDC) Initiative in Indonesia Using IndoBERT
DOI:
https://doi.org/10.58466/srtytf27Keywords:
Sentiment Analysis, Information Retrieval, IndoBERT, Central Bank Digital Currency, Rupiah DigitalAbstract
Perkembangan teknologi finansial mendorong munculnya inovasi sistem pembayaran digital, salah satunya melalui pengembangan Central Bank Digital Currency (CBDC) atau Rupiah Digital oleh Bank Indonesia. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap isu pembuatan CBDC di Indonesia berdasarkan opini masyarakat pada platform media sosial X. Penelitian menerapkan pendekatan Natural Language Processing menggunakan model Deep Learning berbasis Transformer, yaitu IndoBERT, untuk melakukan klasifikasi sentimen secara otomatis. Data tweet yang telah dikumpulkan melalui proses crawling kemudian melalui tahapan pre-processing, tokenisasi, serta klasifikasi ke dalam tiga kategori sentimen, yaitu positif, netral, dan negatif. Selain itu, penelitian juga melakukan visualisasi distribusi sentimen dan pemetaan kata dominan menggunakan wordcloud untuk mengidentifikasi fokus pembahasan masyarakat terkait CBDC ataupun Rupiah Digital. Hasil penelitian menunjukkan bahwa sentimen netral mendominasi diskusi publik sebanyak 61,01%, diikuti oleh sentimen negatif 29,11% dan positif 9,87%. Temuan ini mengindikasikan bahwa masyarakat masih berada pada tahap pengamatan dan diskusi terhadap implementasi CBDC, namun tetap terdapat kekhawatiran terkait aspek keamanan, privasi, dan kontrol sistem keuangan digital.
References
[1] antaranews.com, “BI dalam tahap penelitian untuk siapkan peluncuran rupiah digital,” ANTARA NEWS. Diakses: 17 Mei 2026. [Daring]. Tersedia pada: https://www.antaranews.com/berita/4125477/bi-dalam-tahap-penelitian-untuk-siapkan-peluncuran-rupiah-digital
[2] H. Shittu, “CBDC with Stablecoin Mechanics: Indonesia’s Digital Rupiah to Be Backed by Government Bonds,” yahoo!finance. Diakses: 17 Mei 2026. [Daring]. Tersedia pada: https://finance.yahoo.com/news/cbdc-stablecoin-mechanics-indonesia-digital-152911913.html
[3] R. Susilowati, A. A. Bangun, dan W. Fatimah, “Pengaruh Literasi Keuangan, Kepercayaan Pada Bank Sentral, Dan Teknologi Finansial Terhadap Kesiapan Generasi Muda Indonesia Dalam Mengadopsi Pembayaran Central Bank Digital Currency (CBDC),” RIGGS: Journal of Artificial Intelligence and Digital Business, vol. 4, no. 4, hlm. 300–312, Nov 2025, doi: 10.31004/riggs.v4i4.3227.
[4] D. Alfatah, “Penerapan Model Transformer Untuk Deteksi Sentimen Pada Data Twitter Berbahasa Indonesia,” Jurnal Komputer, vol. 2, Jun 2024, doi: 10.70963/jk.v2i2.99.
[5] M. F. Mubaraq dan W. Maharani, “Sentiment Analysis on Twitter Social Media towards Climate Change on Indonesia Using IndoBERT Model,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 4, hlm. 2426, Okt 2022, doi: 10.30865/mib.v6i4.4570.
[6] R. Merdiansah, S. Siska, dan A. Ali Ridha, “Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT,” Jurnal Ilmu Komputer dan Sistem Informasi (JIKOMSI), vol. 7, no. 1, hlm. 221–228, Mar 2024, doi: 10.55338/jikomsi.v7i1.2895.
[7] M. F. Kono, I. N. Fajri, dan Y. Pristyanto, “Public Sentiment Analysis on Corruption Issues in Indonesia Using IndoBERT Fine-Tuning, Logistic Regression, and Linear SVM,” Journal of Applied Informatics and Computing, vol. 9, no. 5, hlm. 2616–2628, Okt 2025, doi: 10.30871/jaic.v9i5.10537.
[8] G. Kaur, S. Haraldsson, dan A. Bracciali, “Comparative analysis of transformer models for sentiment classification of UK CBDC discourse on X,” Discover Analytics, vol. 3, no. 1, Jun 2025, doi: 10.1007/s44257-025-00035-4.
[9] A. Alonso-Robisco dan J. M. Carbó, “Analysis of CBDC narrative by central banks using large language models,” Financ. Res. Lett., vol. 58, hlm. 104643, Des 2023, doi: 10.1016/j.frl.2023.104643.
[10] J. Devlin, M.-W. Chang, K. Lee, K. T. Google, dan A. I. Language, “BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding.” [Daring]. Tersedia pada: https://github.com/tensorflow/tensor2tensor
[11] D. Pradipta dan E. Widodo, “Sentiment Analysis on Social Media using Bidirectional Encoder from Transformers (Case Study : Covid – 19 Omicron),” INFORMASI (Jurnal Informatika dan Sistem Informasi), vol. 16, hlm. 267–281, Okt 2024, doi: 10.37424/informasi.v16i2.319.
[12] N. Sofi, T. Sulistyorini, dan M. Nazaruddin, “Analisis Sentimen Masyarakat Pengguna Media Sosial Twitter Terhadap Motogp Mandalika Lombok Menggunakan Metode Bidirectional Encoder Representation From Transformers (BERT),” Jurnal Informasi, Sains dan Teknologi, vol. 6, hlm. 120–130, Mei 2023, doi: 10.55606/isaintek.v6i1.103.
[13] S. Alaparthi dan M. Mishra, “Bidirectional Encoder Representations from Transformers (BERT): A sentiment analysis odyssey.” doi: https://doi.org/10.48550/arXiv.2007.01127.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Muhammad Radja Juang Jamemiko, Joseph Eduard, Muhammad Rizky Pribadi
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
