Hasil Pencarian  ::  Simpan CSV :: Kembali

"Dalam beberapa tahun terakhir, kesadaran akan keberlanjutan lingkungan telah merajalela di seluruh dunia, termasuk di Indonesia. Semakin meningkatnya keprihatinan akan perubahan iklim serta dampak negatif yang diakibatkan oleh polusi udara. Pencemaran udara telah menjadi salah satu isu lingkungan terkemuka di Indonesia. Terutama di kota-kota besar seperti Jakarta, polusi udara menjadi permasalahan serius yang memberikan dampak buruk pada kualitas hidup masyarakat. Sejak tahun 2019, pemerintah Indonesia telah mengakui eskalasi permasalahan ini dengan langkah strategis, salah satunya adalah mendorong perkembangan kendaraan listrik dalam negeri melalui Peraturan Presiden No. 55/2019 pada 12 Agustus 2019. Meski demikian, hingga kuartal pertama tahun 2023, penggunaan kendaraan listrik masih belum mencapai target yang diharapkan, terlihat dari rendahnya persentase penjualan mobil listrik yang hanya mencapai 4,8% dari total target. Perbedaan pandangan masyarakat Indonesia dalam mengadopsi kendaraan listrik serta upaya pemerintah untuk mendorong pengembangan kendaraan listrik dalam negeri menjadi fokus penelitian ini. Tujuan dari penelitian ini adalah untuk mengembangkan model analisis sentimen dan pemodelan topik yang dapat mengeksplorasi data media sosial Twitter. Dengan Indonesia menempati peringkat kelima terbesar dalam jumlah pengguna aktif di dunia, terutama didominasi oleh kelompok usia 25-34 tahun sebanyak 18,45 juta pengguna, dataset yang digunakan dalam penelitian ini terdiri dari 8630 data dari Twitter dengan kata kunci "kendaraan listrik," "mobil listrik," dan "motor listrik" selama periode 1 Januari sampai 30 Juni 2022. Penelitian ini mengeksplorasi berbagai algoritma klasifikasi, seperti CountVectorizer, TFIDF, dan Doc2Vec, serta menggunakan metode oversampling balanced class SMOTE. Dari hasil penelitian, algoritma klasifikasi yang paling optimal adalah Long Short Term-Memory (LSTM) dengan fitur Count Vectorizer, TF-IDF, Doc2Vec, dan metode oversampling balanced class SMOTE, mencapai akurasi sebesar 94,92%, presisi 94,76%, recall 94,92%, dan F1 score 94,76%. Hasil pemodelan topik menggunakan Latent Dirichlet Allocation menunjukkan bahwa pada kategori ‘negatif’, banyaknya ekspresi kekecewaan dan ketidaksetujuan terhadap subsidi kendaraan listrik yang tidak tepat sasaran, kekhawatiran akan kondisi kendaraan listrik yang mogok di jalan, dan keluhan akan kurangnya ketersediaan infrastruktur seperti pengisian daya yang tidak merata, tempat perawatan, dan perbaikan. Sementara pada kategori ‘positif’, terdapat beragam pandangan mulai dari dampak subsidi yang meningkatkan minat masyarakat dalam pembelian kendaraan listrik hingga kontribusinya dalam menghasilkan udara yang lebih bersih. Selain itu, desain kendaraan listrik yang dinilai bagus oleh sebagian masyarakat dan potensi penghematan miliaran rupiah setiap tahun dari penggunaan kendaraan konvensional menjadi poin penting dalam penelitian ini.

---

In recent years, global environmental sustainability awareness has proliferated, including in Indonesia. The escalating concern about climate change and the adverse effects caused by air pollution have heightened. Air pollution has become a prominent environmental issue in Indonesia, particularly in major cities like Jakarta, severely impacting the community's quality of life. Since 2019, the Indonesian government has acknowledged this escalating issue through strategic measures, including promoting the development of domestic electric vehicles via Presidential Regulation No. 55/2019 on August 12, 2019. However, as of the first quarter of 2023, the usage of electric vehicles hasn't met the expected target, evident in the low percentage of electric car sales, reaching only 4.8% of the total target. The differing perspectives of Indonesian society in adopting electric vehicles and the government's efforts to boost domestic electric vehicle development constitute the focus of this research. The objective is to develop a sentiment analysis model and topic modeling to explore Twitter social media data. With Indonesia ranking fifth globally in active users, notably dominated by the 25-34 age group with 18.45 million users, the dataset comprises 8630 Twitter data using keywords "electric vehicles," "electric cars," and "electric motorcycles" from January 1 to June 30, 2022. The research explores various classification algorithms like CountVectorizer, TFIDF, Doc2Vec, and uses the oversampling balanced class SMOTE method. The optimal classification algorithm discovered was the Long Short Term-Memory (LSTM) with Count Vectorizer, TF-IDF, Doc2Vec features, and the SMOTE method, achieving 94.92% accuracy, 94.76% precision, 94.92% recall, and a 94.76% F1 score. The Latent Dirichlet Allocation topic modeling revealed in the 'negative' category expressions of disappointment and disagreement regarding mis-targeted electric vehicle subsidies, concerns about electric vehicle breakdowns, and complaints about in adequate infrastructure. In the 'positive' category, diverse views ranged from subsidies boosting interest in electric vehicle purchases to their contribution to cleaner air. Additionally, the appealing design of electric vehicles and the potential for billions of rupiahs in annual savings from conventional vehicle use were pivotal points in this study."

"Laporan International Energy Agency (IEA) menunjukkan bahwa sekitar 33% dari total emisi Emisi Gas Rumah Kaca (GRK) Indonesia berasal dari kegiatan di sektor energi. Jumlah yang signifikan ini membuat Indonesia menjadi negara kontributor GRK global terbesar ke-6 (enam) di dunia. Berkaitan dengan fakta tersebut, pemerintah Indonesia sejatinya telah berkomitmen untuk menurunkan emisi GRK dalam Paris Agreement, sebagaimana diratifikasi sebagai Undang-Undang Nomor 16 Tahun 2016 tentang Pengesahan Paris Agreement to The United Nations Framework Convention Climate Change. Sebagai salah satu upaya tersebut, Pemerintah Indonesia melakukan penyusunan kebijakan percepatan pemanfaatan tenaga listrik untuk penggerak kendaraan bermotor dan membangun sistem Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) secara bertahap. Secara lebih lanjut, hal ini diejawantahkan dalam Peraturan Presiden Nomor 55 Tahun 2019 tentang Percepatan Program Kendaraan Bermotor Listrik Berbasis Baterai (Battery Electric Vehicle) untuk Transportasi Jalan (Perpres 55/2019). Dalam pendekatan umum, KLBB memang dapat mengatasi permasalahan emisi GRK dari kendaraan BBM. Namun jika dilihat lebih dekat, sejatinya kerangka kebijakan terkait infrastruktur untuk KLBB ini dapat menciptakan katastrofi selanjutnya dalam pengelolaan SDA, energi, serta keberlanjutan lingkungan di Indonesia. Sebab, energi yang diperoleh SPKLU tersebut diperoleh dari sumber-sumber energi tidak terbarukan. Atas hal tersebut, penulis kembali mempertanyakan komitmen pemerintah Indonesia dalam mencapai target penurunan emisi GRK guna menciptakan pembangunan berkelanjutan yang berwawasan kelestarian lingkungan, khususnya ketahanan iklim, sebagaimana dijanjikan dalam UU 16/2016 terkait target penurunan emisi GRK. Penulis menggunakan penelitian yuridis-normatif dimana penulis melihat kesesuaian antara kebijakan SPKLU dengan berbagai bahan hukum primer, sekunder dan tersier. Selain itu, utamanya penulis akan mengaitkan kebijakan tersebut dengan prinsip-prinsip kebijakan pengelolaan energi di Indonesia. Dari penelitian ini, Pemerintah Indonesia demikian perlu untuk mengevaluasi kembali penerapan kebijakan infrastruktur SPKLU di Indonesia. Hal ini tidak lain guna mendorong kesuksesan pencapaian target penurunan emisi GRK di Indonesia.

---

The International Energy Agency (IEA) report indicates that approximately 33% of Indonesia's total Greenhouse Gas (GHG) emissions come from activities in the energy sector. This significant amount makes Indonesia the 6th largest global contributor to GHG emissions. In light of these facts, the Indonesian government has committed to reducing GHG emissions as part of the Paris Agreement, ratified under Law Number 16 of 2016 concerning the Ratification of the Paris Agreement to The United Nations Framework Convention on Climate Change. As part of these efforts, the Indonesian government has formulated policies to accelerate the use of electric power for motor vehicles and gradually establish Public Electric Vehicle Charging Stations (SPKLU). This commitment is further articulated in Presidential Regulation Number 55 of 2019 on the Acceleration of Battery Electric Vehicle (BEV) Programs for Road Transportation (Presidential Regulation 55/2019). While electric vehicles can address the issue of GHG emissions from conventional fuel vehicles in a general sense, a closer examination reveals that the policy framework regarding the infrastructure for Battery Electric Vehicles (BEVs) could potentially lead to further catastrophes in the management of natural resources, energy, and environmental sustainability in Indonesia. This is because the energy obtained from these charging stations comes from non-renewable sources. In light of this, the author questions the Indonesian government's commitment to achieving GHG emission reduction targets for sustainable development, particularly in terms of climate resilience, as promised in Law 16/2016 regarding GHG emission reduction targets. The author employs a juridical-normative research approach, examining the compatibility of the SPKLU policy with various primary, secondary, and tertiary legal sources. Based on this research, it is imperative for the Indonesian government to reevaluate the implementation of SPKLU infrastructure policies in Indonesia. This is essential to ensure the success of achieving GHG emission reduction targets in the country."

"Dalam rangka menciptakan iklim kendaraan ramah lingkungan guna menanggulangi permasalahan polusi udara dan pemanasan global, pemerintah Indonesia mengakselerasikan program kendaraan bermotor listrik berbasis baterai (KBLBB). Untuk menarik minat masyarakat beralih mengadopsi KBLBB, pemerintah Indonesia memberikan berbagai macam rangsangan, salah satunya dengan memberikan insentif Pajak Kendaraan Bermotor (PKB). Di DKI Jakarta, ketentuan terbaru mengenai kebijakan insentif PKB atas KBLBB diatur dalam Peraturan Gubernur DKI Jakarta Nomor 1 Tahun 2023 di mana dijelaskan besaran tarif PKB atas KBLBB adalah 10% dari dasar pengenaan PKB. Penelitian ini bertujuan untuk menganalisis persepsi masyarakat DKI Jakarta terkait kebijakan insentif PKB atas KBLBB dalam Peraturan Gubernur DKI Jakarta Nomor 1 Tahun 2023. Adapun pendekatan yang digunakan dalam penelitian ini adalah kuantitatif dengan pengumpulan data melalui survei berupa kuesioner kepada 169 responden, serta wawancara mendalam dan studi kepustakaan sebagai data pelengkap. Hasil penelitian ini menunjukkan bahwa masyarakat DKI Jakarta memiliki persepsi yang positif atas kebijakan insentif PKB atas KBLBB di DKI Jakarta. Persepsi positif didukung karena masyarakat DKI Jakarta memiliki sikap (kognitif), sikap (afektif), motif, minat, dan pengharapan yang positif terkait kebijakan insentif PKB atas KBLBB di DKI Jakarta. Meskipun demikian, masyarakat DKI Jakarta masih memiliki sikap (konatif) dan pengalaman yang negatif terkait kebijakan insentif PKB atas KBLBB di DKI Jakarta. Hal ini menandakan sikap pengadopsian KBLBB oleh masyarakat DKI Jakarta masih rendah meskipun telah diberikan insentif, serta pengalaman akan sosialisasi dari pemerintah terkait kebijakan insentif PKB atas KBLBB di DKI Jakarta masih kurang memadai.

---

environment to address air pollution and global warming issues, the Indonesian government is accelerating the battery electric vehicle (BEV) program. To encourage the public to adopt BEV, the Indonesian government is offering various incentives, one of which is the Motor Vehicle Tax incentive. In DKI Jakarta, the latest regulations regarding the Motor Vehicle Tax incentive policy for BEV are outlined in the Peraturan Gubernur DKI Jakarta Nomor 1 Tahun 2023, which specifies that the Motor Vehicle Tax rate for BEV is 10% of the Motor Vehicle Tax base. This study aims to analyze the perceptions of DKI Jakarta residents regarding the Motor Vehicle Tax incentive policy for BEV as stated in Peraturan Gubernur DKI Jakarta Nomor 1 Tahun 2023. The approach used in this research is quantitative, with data collected through a survey in the form of a questionnaire to 169 respondents, along with in-depth interviews and literature studies as complementary data. The results of this study indicate that DKI Jakarta residents have a positive perception of the Motor Vehicle Tax incentive policy for BEV in DKI Jakata. This positive perception is supported by the fact that DKI Jakarta residents have positive attitudes (cognitive), attitudes (affective), motives, interests, and expectations related to the Motor Vehicle Tax incentive policy for BEV in DKI Jakarta. However, DKI Jakarta residents still have negative attitudes (conative) and experiences regarding the Motor Vehicle Tax incentive policy for BEV in DKI Jakarta. This indicates that the adoption of BEV by DKI Jakarta residents is still low despite the incentives, and the government's socialization of the Motor Vehicle Tax incentive policy for BEV in DKI Jakarta remains inadequate."

"Melalui Peraturan Presiden Nomor 55 Tahun 2019, pemerintah Indonesia menjalankan komitmennya untuk pemulihan eksternalitas lingkungan yang berkelanjutan dengan program industri kendaraan bermotor listrik berbasis baterai. Sayangnya, terkait pemberian insentif sebagaimana yang sesuai dengan peraturan turunan Peraturan Menteri Keuangan Nomor 38 Tahun 2023, pemerintah menunjukkan belum juga ada perusahaan produsen Bus Listrik dalam negeri maupun perusahaan operator layanan transportasi umum yang mengikuti program tersebut. Penelitian ini bertujuan untuk menganalisis efektivitas kebijakan insentif fiskal terhadap Bus Listrik dalam meraih ekosistem transportasi berkelanjutan di DKI Jakarta. Penggunaan konsep ekosistem transportasi berkelanjutan menjadi indikator pendukung penelitian, sebagaimana salah satu tujuan pemerintah adalah untuk membangun industri transportasi hijau. Penelitian ini menggunakan pendekatan penelitian post-positivist dengan jenis penelitian deskriptif. Adapun teknik pengumpulan data dalam penelitian ini adalah melalui wawancara mendalam dan studi literatur. Hasil penelitian ini menunjukkan pemberian kebijakan insentif fiskal terhadap Bus Listrik belum mencapai tingkat efektivitas yang optimal berdasarkan kategori-kategori pendukung efektivitas kebijakan. Hal tersebut disebabkan oleh faktor utama berupa sejumlah perusahaan produsen Bus Listrik dalam negeri masih memiliki kesulitan terkait kriteria nilai TKDN yang harus dipenuhi. Masih terdapat banyak pertimbangan seperti biaya yang cukup besar dan keuntungan yang tidak sebanding memberikan keraguan yang besar bagi perusahaan. Kebijakan yang diberikan pemerintah belum sepenuhnya mendukung industri Bus Listrik dalam negeri secara holistik, serta dalam mewujudkan pengurangan emisi nasional melalui industri transportasi hijau. Pemberian insentif fiskal terhadap Bus Listrik juga belum mampu sepenuhnya mengarahkan pada mewujudkan ekosistem transportasi berkelanjutan. Oleh karena itu, pemerintah juga diharapkan dapat membuat program besar dalam mendorong pengadaan hingga penggunaan transportasi umum sebagai salah satu bentuk perwujudan ekosistem transportasi berkelanjutan.

---

Through Presidential Regulation Number 55 of 2019, the Indonesian government carries out its commitment to sustainable recovery of environmental externalities with a battery-based electric motor vehicle industry program. Unfortunately, regarding the provision of incentives in accordance with the derivative regulations of the Minister of Finance Regulation Number 38 of 2023, the government shows that there are still no domestic electric bus producing companies or public transportation service operator companies that have participated in the program. This research aims to analyze the effectiveness of fiscal incentive policies for Electric Buses in achieving a sustainable transportation ecosystem in DKI Jakarta. The use of the concept of a sustainable transportation ecosystem is a supporting indicator for research, as one of the government's goals is to build a green transportation industry. This research uses a post-positivist research approach with descriptive research type. The data collection techniques in this research are through in-depth interviews and literature studies. The results of this research show that the provision of fiscal incentive policies for Electric Buses has not reached the optimal level of effectiveness based on the categories supporting policy effectiveness. This is caused by the main factor in the form of a number of domestic Electric Bus producing companies still having difficulties regarding the TKDN value criteria that must be met. There are still many considerations such as quite large costs and disproportionate profits that give big doubts to the company. The policies provided by the government do not fully support the domestic Electric Bus industry in a holistic manner, as well as in realizing national emission reductions through the green transportation industry. Providing fiscal incentives for Electric Buses has also not been able to fully lead to creating a sustainable transportation ecosystem. Therefore, it is also hoped that the government can create a large program to encourage the procurement and use of public transportation as a form of realizing a sustainable transportation ecosystem."

"Adanya peristiwa selama tahapan penyelenggaraan pemilu 2024, menimbulkan berbedaan pandangan diantara para Ahli, akan potensi terciptanya persepsi buruktentang Pemilu 2024. Sehingga dibutuhkan pengukuran perbandingan sentimen untuk menindaklanjuti dan membuktikan pandangan tersebut. Di sisi lain media sosial hadir sebagai tempat yang memungkinkan penggunanya untuk mengeskpresikan opini yang dimiliki, termasuk opini tentang penyelenggaraan Pemilu. Besarnya adopsi media sosial di Indonesia, memungkinkannya digunakan sebagai sumber data dalam pengukuran perbandingan sentimen masyarakat terkait dengan Pemilu 2024. Namun dalam menganalisa data yang berasal dari media sosial membutuhkan sumber daya dan waktu yang tidak sedikit jika dilakukan secara manual, dikarenakan adanya karakterstik high velocity, high volume dan high variety yang dimiliki oleh data yang berasal dari media sosial. Text analytics dengan pendekatan machine learning telah banyak digunakan dan menjadi state-of-the-art cara yang mengatasi permasalahan tersebut. Penelitian ini mengkomparasikan algoritma deep learning dengan algoritma machine learning tradisional seperti SVM, random forest dan logistic regression, dalam upaya membangun model analisis sentimen yang dapat digunakan untuk mengukur perbandingan sentimen masyarakat terhadap Pemilu 2024. Teknik pemodelan topik Latent Dirichlet Allocation juga digunakan untuk mengidentifikasi topik pembicaraan yang tersembunyi di dalamnya. Hasil dari penelitian menunjukkan algoritma SVM dengan teknik vektorisasi TF-IDF unigram muncul sebagai algoritma dengan hasil kinerja prediksi terbaik dengan nilai f1-score 0.7890. Selain itu terdapat dinamika pergeseran dominasi sentimen mulai dari masa kampanye, masa tenang dan masa pemungutan sampai dengan masa rekapitulasi suara. Hasil penelitian ini diharapkan dapat memberikan informasi yang bernilai bagi para pemangku kepentingan seperti: Pengamat politik, Praktisi politik, Pemerintah dan Penyelenggara Pemilu.

---

The events occurring during the stages of the 2024 General Election have sparked differing opinions among experts regarding the potential for negative perceptions of the election. Consequently, there is a need to measure sentiment patterns to follow up on and substantiate these views. Meanwhile, social media serves as a platform that allows users to express their opinions, including those about the election. The widespread adoption of social media in Indonesia enables it to be used as a data source for measuring public sentiment patterns related to the 2024 General Election. Analyzing data from social media requires significant resources and time if done manually, due to the high velocity, high volume, and high variety characteristics of social media data. Text analytics with a machine learning approach has been extensively used and has become the state-of-the-art method for addressing these challenges. This study compares deep learning algorithms with traditional machine learning algorithms such as Support Vector Machine (SVM), Random Forest, and Logistic Regression in an effort to build a sentiment analysis model that can be used to measure public sentiment patterns toward the 2024 General Election. The Latent Dirichlet Allocation (LDA) topic modeling technique is also used to identify hidden discussion topics within the data. The results of the study indicate that the SVM algorithm with TF-IDF unigram vectorization technique emerged as the algorithm with the best predictive performance, achieving an f1-score of 0.7890. Meanwhile, the measurement of sentiment patterns showed dynamic shifts in sentiment from the campaign period, the quiet period, and the voting period up to the recapitulation period. The findings of this study are expected to provide valuable information for stakeholders such as political observers, political practitioners, the government, and election organizers."

"Perkembangan kegiatan sosio ekonomi di Jakarta,berpengaruh pula di wilayah Botabek. Hal ini membawa dampak pada semakin beraneka ragamnya jenis kegiatan. Sehingga membentuk hubungan yang berintensitas tinggi antara Jakarta dengan wilayah di sekitarnya, terutama wilayah di pinggiran kota dan koridor antar kota. Untuk itu maka dalam penelitian ini ingin diungkapkan kondisi pelayanan angkutan umum di pinggiran Jakarta."

"Indonesia merupakan negara dengan market otomotif terbesar di Asia Tenggara, tercatat lebih dari satu juta unit mobil terjual di Indonesia pada 2018. PT X adalah salah satu perusahaan distributor kendaraan di Indonesia. PT X memiliki 38 dealer di seluruh Indonesia yang melayani jasa penjualan dan servis kendaraan. Setiap tahun PT X memiliki proyek untuk dilelang. Proyek tersebut dimiliki dan dijalankan oleh dealer yang ditunjuk oleh PT X. Dari seluruh proyek yang dibangun dan dioperasikan banyak yang tidak optimal menjalankan fungsinya sesuai dengan target. Tujuan dari penelitian ini adalah melakukan optimasi proses seleksi proyek dengan menggunakan metode analytic hierarchy process (AHP), dengan penerapan project portfolio management pada PT X. Hasil penelitian menunjukan bahwa terdapat 5 kriteria dengan bobot prioritas yang paling berpengaruh terhadap dipilihnya sebuah perusahaan untuk menjadi pemenang seleksi proyek. Kriteria tersebut dengan masing – masing bobot prioritas adalah kriteria keuangan (34%), pengelolaan bisnis (28%), sumber daya manusia (18%), competitiveness improvement (12%) dan kemampuan mengelola proyek (8%). PT X dapat menggunakan sistem seleksi baru dengan scoring model berbasis AHP sehingga kinerja proyek dan kinerja operasional dealer dapat tercapai optimal.

---

Indonesia is the country with the largest automotive market in Southeast Asia, with more than one million cars sold in Indonesia in 2018. PT X is one of the vehicle distributor companies in Indonesia. PT X has 38 dealers in Indonesia that provide sales and service services for vehicles. Every year PT X has a project up for auction. The project is owned and executed by a dealer appointed by PT X. Of all the projects built and operated, many did not perform their functions optimally according to the target. The purpose of this study is to optimize the project selection process using the analytic hierarchy process (ahp) method, with the application of project portfolio management at PT X. The results show that there are 5 criteria with priority weights that most influence the selection of a company to be the winner of the project selection. The criteria with each priority weight are financial criteria (34%), business management (28%), human resources (18%), competitiveness improvement (12%) and the ability to manage projects (8%). PT X can use a new selection system with AHP-based scoring model so that project performance and dealer operational performance can be achieved optimally."

"Sejak tahun 2019, pemerintah Indonesia gencar mempromosikan adopsi mobil listrik sebagai solusi dalam menangani kerusakan lingkungan. Adopsi mobil listrik sendiri tidak terlepas dari bagaimana persepsi masyarakat terhadap teknologi ini. Maka dari itu, penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mendukung dan menghambat proses adopsi mobil listrik di Indonesia dengan menggunakan metode analisis sentimen dan pemodelan topik menggunakan data komentar Youtube tahun 2019-2023. Pada tahap klasifikasi sentimen, dilakukan percobaan dengan enam model klasik (SVM, Naive Bayes, CatBoost, LightGBM, XGBoost, dan AdaBoost) serta satu model IndoBERT dengan tiga skenario praproses yang berbeda. Model BERT dengan praproses sederhana terbukti sebagai model terbaik dengan rata-rata akurasi 77.33% untuk 5-fold cross-validation. Analisis tren menunjukkan peningkatan jumlah komentar dari tahun ke tahun dengan proporsi sentimen negatif yang meningkat, terutama terkait dengan kebijakan pemerintah. Faktor pendorong utama adopsi termasuk preferensi terhadap biaya pembelian yang terjangkau, penghematan biaya operasional, desain, dan layanan. Sebaliknya, faktor penghambat meliputi infrastruktur dan waktu pengisian daya, kebijakan, dan biaya pembelian

---

Since 2019, the Indonesian government has been actively promoting the adoption of electric vehicles (EVs) as a solution to address environmental degradation. The adoption of EVs is significantly influenced by public perception of this technology. Therefore, this study aims to identify the factors that support and hinder the adoption of electric vehicles in Indonesia by employing sentiment analysis and topic modeling methods using YouTube comment data from 2019-2023. In the sentiment classification phase, experiments were conducted with six classical models (SVM, Naive Bayes, CatBoost, LightGBM, XGBoost, and AdaBoost) and one IndoBERT model with three different preprocessing scenarios. The BERT model with simple preprocessing proved to be the best model with an average accuracy of 77.33% for 5-fold cross-validation. Trend analysis shows an increase in the number of comments year over year with a rising proportion of negative sentiment, particularly concerning government policy. The main drivers of adoption include a preference for affordable purchase costs, operational cost savings, design, and service. Conversely, barriers include infrastructure and charging time, policy, and purchase costs."

"Sejak tahun 2019, pemerintah Indonesia gencar mempromosikan adopsi mobil listrik sebagai solusi dalam menangani kerusakan lingkungan. Adopsi mobil listrik sendiri tidak terlepas dari bagaimana persepsi masyarakat terhadap teknologi ini. Maka dari itu, penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang mendukung dan menghambat proses adopsi mobil listrik di Indonesia dengan menggunakan metode analisis sentimen dan pemodelan topik menggunakan data komentar Youtube tahun 2019-2023. Pada tahap klasifikasi sentimen, dilakukan percobaan dengan enam model klasik (SVM, Naive Bayes, CatBoost, LightGBM, XGBoost, dan AdaBoost) serta satu model IndoBERT dengan tiga skenario praproses yang berbeda. Model BERT dengan praproses sederhana terbukti sebagai model terbaik dengan rata-rata akurasi 77.33% untuk 5-fold cross validation. Analisis tren menunjukkan peningkatan jumlah komentar dari tahun ke tahun dengan proporsi sentimen negatif yang meningkat, terutama terkait dengan kebijakan pemerintah. Faktor pendorong utama adopsi termasuk preferensi terhadap biaya pembelian yang terjangkau, penghematan biaya operasional, desain, dan layanan. Sebaliknya, faktor penghambat meliputi infrastruktur dan waktu pengisian daya, kebijakan, dan biaya pembelian.

---

Since 2019, the Indonesian government has been actively promoting the adoption of electric vehicles (EVs) as a solution to address environmental degradation. The adoption of EVs is significantly influenced by public perception of this technology. Therefore, this study aims to identify the factors that support and hinder the adoption of electric vehicles in Indonesia by employing sentiment analysis and topic modeling methods using YouTube comment data from 2019-2023. In the sentiment classification phase, experiments were conducted with six classical models (SVM, Naive Bayes, CatBoost, LightGBM, XGBoost, and AdaBoost) and one IndoBERT model with three different preprocessing scenarios. The BERT model with simple preprocessing proved to be the best model with an average accuracy of 77.33% for 5-fold cross-validation. Trend analysis shows an increase in the number of comments year over year with a rising proportion of negative sentiment, particularly concerning government policy. The main drivers of adoption include a preference for affordable purchase costs, operational cost savings, design, and service. Conversely, barriers include infrastructure and charging time, policy, and purchase costs."

"Greenhouse effect semakin terasa akibat jumlah gas emisi karbon di udara terus meningkat. Hal tersebut tidak lepas dari peran Indonesia sebagai penyumbang gas emisi karbon dunia, sekitar dua persen (2%). Salah satu sumber penyumbang gas emisi karbon adalah sektor transportasi, seperti industri otomotif. Industri otomotif menyebabkan penggunaan energi fosil meningkat, sehingga pembuangan gas emisi karbon di udara juga meningkat. Pemerintah Indonesia berusaha untuk mengurangi dampak negatif melalui inisiatif program kendaraan bermotor listrik berbasis baterai (EVs) untuk transportasi jalan. Namun, produk kendaraan bermotor listrik berbasis baterai (EVs) belum familiar di kalangan konsumen Indonesia. Oleh karena itu, penelitian untuk mengetahui intensi yang ditunjukkan konsumen terhadap perilaku pembelian produk tersebut menarik untuk diketahui. Penelitian menggunakan metode purposive sampling dengan online survey kepada pemilik mobil yang mengetahui informasi seputar produk electrified vehicles di Indonesia. Sebanyak 156 data yang terkumpul diolah menggunakan Partial Least Square-Structural Equation Modelling (PLS-SEM). Hasil penelitian menunjukkan bahwa tiga determinan Theory of Planned Behaviour dan satu determinan tambahan (Willingness to Pay) berpengaruh signifikan dalam membentuk niat perilaku konsumen. Penggunaan variabel moderasi willingness to pay hanya mampu memperkuat pengaruh subjective norm terhadap purchase intention. Hasil penelitian diharapkan mampu membantu pemerintah maupun pihak manajerial otomotif dalam mengetahui intensi konsumen Indonesia terhadap electrified vehicles.

---

The greenhouse effect is becoming more noticeable as the amount of carbon gas emissions in the atmosphere continues to rise. This is inextricably linked to Indonesia's role as a contributor to 2% of global gas emissions. The transportation sector, such as an automobile industry is the one of source of carbon emissions. The automotive sector promotes the usage of fossil fuels, hence rising carbon emissions in the atmosphere. Through a battery-powered motor vehicles (EVs) initiative program for road transportation, the Indonesian government tries to mitigate the negative effects of the automobile industry. However, battery-powered motor vehicles (EVs) might still be considered unfamiliar among Indonesian consumers. As a result, it would be fascinating to learn consumer’s purchase intention to this product. This study uses a purposive sampling with an online survey sent to automobile owners in Indonesia who are informed about electrified vehicles. A total of 156 data will be analyzed using Partial Least Squares-Structural Equation Modeling (PLS-SEM). The research reveals that three Theory of Planned Behavior factors and one extra variable (Willingness to Pay) had an influence on customer intention. The moderating variable of willingness only could strengthen the influence of subjective norm on purchase intention. The research findings are likely to help the government and the automobile industry to understand the level of behavioural intention among Indonesian customers in electrified vehicles."