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.