Analisis Sentimen Masyarakat terhadap Kenaikan Harga BBM Non-Subsidi Akibat Penutupan Selat Hormuz Menggunakan IndoBERT
DOI:
https://doi.org/10.58466/kx4xgz78Kata Kunci:
Analisis sentimen, BBM non-subsidi, Deep Learning, IndoBERT, Natural Language Processing, Selat Hormuz, XAbstrak
Penyebaran opini masyarakat mengenai potensi kenaikan harga BBM non-subsidi akibat penutupan Selat Hormuz di platform X pada periode 1 Januari 2026 hingga 17 Mei 2026 berlangsung secara intens dan memunculkan beragam respons publik terhadap dampak ekonomi global yang dipicu konflik geopolitik Iran dan Israel. Permasalahan utama dalam penelitian ini adalah tingginya kekhawatiran masyarakat terhadap kemungkinan kenaikan harga BBM non-subsidi yang berdampak pada biaya transportasi, distribusi logistik, serta kebutuhan sehari-hari. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap isu tersebut menggunakan model deep learning IndoBERT guna memahami kecenderungan opini publik secara lebih akurat. Data dikumpulkan melalui proses scraping pada platform X menggunakan kata kunci terkait BBM non-subsidi dan Selat Hormuz, kemudian diproses melalui tahapan pre-processing seperti case folding, noise removal, tokenization, stopword removal, dan stemming sebelum diklasifikasikan ke dalam kategori sentimen positif, netral, dan negatif. Dari total 412 tweet yang dianalisis, sentimen negatif menjadi kategori dominan sebesar 49,8%, diikuti sentimen netral sebesar 48,5%, dan sentimen positif sebesar 1,7%. Hasil penelitian menunjukkan bahwa mayoritas masyarakat memberikan respons kekhawatiran terhadap potensi kenaikan harga BBM non-subsidi serta dampaknya terhadap kondisi ekonomi masyarakat.
Referensi
[1] A. J. Karso, “IRAN-ISRAEL SALING SERANG HARGA MINYAK MENTAH MERANGKAK NAIK DAMPAKNYA TERHADAP EKONOMI RI,” SINERGI: Jurnal Riset Ilmiah, vol. 2, no. 7, pp. 3073–3093, 2025, [Online]. Available: https://doi.org/10.62335
[2] Badan Pusat Statistik Provinsi Jambi, “Harga BBM Terbang, Rakyat Tumbang,” https://jambi.bps.go.id/id/news/2022/09/06/306/harga-bbm-terbang--rakyat-tumbang.html.
[3] I. Syapriani et al., “Strategi Komunikasi Pengguna Media Sosial Dalam Mengelola Bahasa, Etika, Dan Resistansi Sosial Di Ruang Komentar Platform Digital X(Twitter),” Jurnal Penelitian Nusantara, vol. 1, pp. 360–368, Jun. 2025, doi: 10.59435/menulis.v1i6.348.
[4] A. A. Nurrahman, M. Mauladi, and A. Rahman, “Analisis Sentimen Masyarakat terhadap Kenaikan Harga Bahan Bakar Minyak Menggunakan Support Vector Machine dan SMOTE,” sudo Jurnal Teknik Informatika, vol. 4, no. 2, pp. 50–56, Jun. 2025, doi: 10.56211/sudo.v4i2.908.
[5] N. P. D. Agustina, D. A. P. P. Tentriajaya, and I. G. N. L. Wijayakusuma, “Public Sentiment Analysis on Demonstration Actions Using IndoBERT Based on Transfer Learning,” 2025. [Online]. Available: http://jurnal.polibatam.ac.id/index.php/JAIC
[6] R. R. Cahya and A. Ichwani, “KOMPARASI KINERJA MODEL SUPPORT VECTOR MACHINE DAN INDONESIAN BIDIRECTIONAL ENCODER REPRESENTATIONS FROM TRANSFORMERS DALAM KLASIFIKASI SENTIMEN ULASAN APLIKASI WONDR BY BNI,” 2026. [Online]. Available: http://jurnal.goretanpena.com/index.php/JSSR
[7] R. C. Tarumingkeng, Natural Language Processing (NLP). Bogor: RUDYCT e-PRESS, 2024.
[8] A. V. Sudiantoro and E. Zuliarso, “Analisis Sentimen Twitter Menggunakan Text Mining Dengan Algoritma Naïve Bayes Classifier ANALISIS SENTIMEN TWITTER MENGGUNAKAN TEXT MINING DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER,” Dinamika Informatika, vol. 10, no. 2, pp. 69–73, Oct. 2018.
[9] D. K. Sumartha, “IMPLEMENTASI INDOBERT UNTUK ANALISIS SENTIMEN OPINI PUBLIK TERHADAP KEBIJAKAN KENAIKAN UKT DI ERA PEMERINTAHAN,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 3S1, Oct. 2025, doi: 10.23960/jitet.v13i3S1.7880.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Jaysen Stephanus, Jonathan Tanujaya, Muhammad Rizky Pribadi
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
