Analisis Topik Percakapan Masyarakat tentang Kebakaran Hutan dan Lahan (Karhutla) di Indonesia Menggunakan BERTopic

Erlina Ali Marpaung; Zulfan Afandi; Iwan Fitrianto Rahmad; Wendi Amsuri Nasution; Dea Balqis Intan Pratiwi

doi:10.69693/ijmst.v5i1.14642

Authors

Erlina Ali Marpaung Universitas Potensi Utama
Zulfan Afandi Universitas Potensi Utama
Iwan Fitrianto Rahmad Universitas Potensi Utama
Wendi Amsuri Nasution Universitas Potensi Utama
Dea Balqis Intan Pratiwi Universitas Potensi Utama

DOI:

https://doi.org/10.69693/ijmst.v5i1.14642

Keywords:

Karhutla, Instagram, BERTopic, Pemodelan Topik, Analisis Teks

Abstract

Kebakaran hutan dan lahan (Karhutla) merupakan permasalahan lingkungan yang menimbulkan beragam perhatian dan respons masyarakat di media sosial. Penelitian ini bertujuan mengidentifikasi, mengelompokkan, dan menganalisis topik percakapan masyarakat mengenai Karhutla di Indonesia, khususnya percakapan yang membahas wilayah Kalimantan, melalui komentar dan balasan komentar Instagram menggunakan metode BERTopic. Data dikumpulkan melalui proses scraping dengan bahasa pemrograman Python. Sebanyak 3.207 komentar berhasil diperoleh, kemudian dilakukan pembersihan data sehingga 2.061 komentar digunakan dalam pemodelan. Hasil pemodelan BERTopic menghasilkan 14 topik valid. Dari keseluruhan data yang dianalisis, sebanyak 1.808 komentar berhasil dikelompokkan ke dalam topik, sedangkan 253 komentar dikategorikan sebagai outlier. Hasil analisis menunjukkan bahwa percakapan masyarakat mencakup beberapa isu utama, yaitu kebakaran hutan, dampak kebakaran terhadap hewan, dugaan pembakaran yang disengaja, harapan terhadap turunnya hujan, kritik terhadap pemerintah, serta bentuk kepedulian masyarakat. Untuk memahami karakteristik dan hubungan antartopik, penelitian ini memanfaatkan distribusi topik, kata kunci berbobot class-based TF-IDF (c-TF-IDF), matriks kemiripan, dan dendrogram. Hasil visualisasi memperlihatkan adanya keterkaitan makna di antara beberapa topik, sekaligus menunjukkan variasi fokus pembahasan masyarakat. Temuan ini menggambarkan bahwa percakapan mengenai Karhutla tidak hanya berisi informasi tentang kebakaran, tetapi juga memuat respons, penilaian, dan kepedulian publik terhadap dampaknya. Dengan demikian, BERTopic dapat dimanfaatkan untuk mengidentifikasi dan mengelompokkan topik percakapan media sosial berdasarkan kemiripan semantik teks serta memberikan gambaran mengenai isu-isu Karhutla yang menjadi perhatian masyarakat.

Author Biographies

Zulfan Afandi, Universitas Potensi Utama

Ilmu Komputer, Fakultas Teknik dan Ilmu Komputer, Universitas Potensi Utama

Iwan Fitrianto Rahmad, Universitas Potensi Utama

Ilmu Komputer, Fakultas Teknik dan Ilmu Komputer, Universitas Potensi Utama

Wendi Amsuri Nasution, Universitas Potensi Utama

Ilmu Komputer, Fakultas Teknik dan Ilmu Komputer, Universitas Potensi Utama

Dea Balqis Intan Pratiwi, Universitas Potensi Utama

Ilmu Komputer, Fakultas Teknik dan Ilmu Komputer, Universitas Potensi Utama

References

1. Anugrah, A. F., & Agatha, R. D. (2025). Utilizing IndoBERT and BERTopic to explore public opinion on BPS Instagram posts. Journal of Applied Informatics and Computing, 9(5), 2836–2844. https://doi.org/10.30871/jaic.v9i5.10327

2. Ardhika, R. D., Santoso, A. D., & Elfandari, S. (2025). Social media for wildlife conservation campaign in South Sumatra, Indonesia. Jurnal Kawistara, 15(1), 66–81. https://doi.org/10.22146/kawistara.87795

3. Arisman. (2020). Analisis tren kebakaran hutan dan lahan di Indonesia periode tahun 2015–2019. Jurnal Sains Teknologi & Lingkungan, 6(1). https://doi.org/10.29303/jstl.v6i1.131

4. El-Gayar, O., Al-Ramahi, M., Wahbeh, A., Nasralah, T., & Elnoshokaty, A. (2024). A comparative analysis of the interpretability of LDA and LLM for topic modeling: The case of healthcare apps. AMCIS 2024 Proceedings. https://aisel.aisnet.org/amcis2024/health_it/health_it/22

5. Gökçimen, T., & Daş, B. (2024). Exploring climate change discourse on social media and blogs using a topic modeling analysis. Heliyon, 10(11), e32464. https://doi.org/10.1016/j.heliyon.2024.e32464

6. Grootendorst, M. (2022). BERTopic: Neural topic modeling with a class-based TF-IDF procedure. arXiv. https://doi.org/10.48550/arXiv.2203.05794

7. Hamdi, S., Rizal, S., Shibata, T., Darmawan, A., Irfan, M., & Sulaiman, A. (2025). The dispersion of smoke haze from peatland fires over South Sumatra during the moderate El Niño of 2023. Natural Hazards, 121, 1095–1116. https://doi.org/10.1007/s11069-024-06857-x

8. Khairani, M. M., Purba, I. A., & Ginting, R. (2026). Peran media sosial Instagram @BPBDPROVINSISUMUT dan @INFOBMKGSUMUT dalam penyebaran informasi bencana banjir di Sumatera Utara. Linimasa: Jurnal Ilmu Komunikasi, 9(1).

9. Lie, S. T., Rahman, S. D. F., Rachmad, A. D., Maruddani, D. A. I., & Kartikasari, P. (2026). Topic modeling and text classification of public comments towards BPJS Kesehatan using BERTopic and IndoBERT. AIP Conference Proceedings, 3411(1), 040014. https://doi.org/10.1063/5.0322537

10. Mariwy, C. F., Watratan, C. J. G., Dos Santos, R., Reba, D. N., Sabono, R. F., & Pasiakan, N. I. (2025). Analisis sentimen komentar TikTok tentang kasus TPPO TKI di Kamboja menggunakan klasifikasi Naive Bayes untuk mengukur opini publik. Techno.COM, 24(2), 602–616. https://doi.org/10.62411/tc.v24i2.12793

11. Mifrah, S., & Benlahmar, E. H. (2022). Topic modeling with transformers for sentence-level using coronavirus corpus. International Journal of Interactive Mobile Technologies, 16(17), 50–59. https://doi.org/10.3991/ijim.v16i17.33281

12. Murthy, D., Kurz, S. E., Anand, T., Hornick, S., Lakuduva, N., & Sun, J. (2025). Examining hurricane-related social media topics longitudinally and at scale: A transformer-based approach. PLOS ONE, 20(1), e0316852. https://doi.org/10.1371/journal.pone.0316852

13. Nurhayati, A. D., Saharjo, B. H., Sundawati, L., Syartinilia, & Cochrane, M. A. (2021). Forest and peatland fire dynamics in South Sumatra Province. Forest and Society, 5(2), 591–603. https://doi.org/10.24259/fs.v5i2.14435

14. Sze, J. S., Jefferson, & Lee, J. S. H. (2019). Evaluating the social and environmental factors behind the 2015 extreme fire event in Sumatra, Indonesia. Environmental Research Letters, 14, 015001. https://doi.org/10.1088/1748-9326/aaee1d

15. Uthirapathy, S., & Sandanam, D. (2023). Topic modelling and opinion analysis on climate change Twitter data using LDA and BERT model. Procedia Computer Science, 218, 908–917. https://doi.org/10.1016/j.procs.2023.01.071

16. Verbeij, T., Beyens, I., Trilling, D., & Valkenburg, P. M. (2024). Happiness and sadness in adolescents’ Instagram direct messaging: A neural topic modeling approach. Social Media + Society. https://doi.org/10.1177/20563051241229655

17. Yao, Y., & Pearce, W. (2025). The visual vernacular of climate change on Instagram: How modal convergence between image and text is changing the representation of climate solutions. International Journal of Communication, 19, 2221–2246. https://ijoc.org/index.php/ijoc/article/view/24449

18. Zankadi, H., Idrissi, A., Daoudi, N., & Hilal, I. (2022). Identifying learners’ topical interests from social media content to enrich their course preferences in MOOCs using topic modeling and NLP techniques. Education and Information Technologies. https://doi.org/10.1007/s10639-022-11373-1

19. Zaskia, A., Saharjo, B. H., & Albar, I. (2023). Pengaruh curah hujan terhadap kejadian kebakaran hutan dan lahan di Kabupaten Banyuasin Provinsi Sumatera Selatan. Jurnal Silvikultur Tropika, 14(3), 195–200. https://doi.org/10.29244/j-siltrop.14.03.195-200