"Rohingya merupakan etnis minoritas yang hingga saat ini masih menghadapi penganiayaan dan diskriminasi di negara Myanmar sehingga harus melarikan diri ke negara tetangga, termasuk Indonesia. Akan tetapi, polemik terkait isu keberadaan pengungsi Rohigya di Indonesia masih menunjukkan adanya perbedaan pendapat antara kelompok yang mendukung dan menentang, serta pendapat atau opini tersebut dapat berubah setiap tahunnya. Untuk itu, penelitian ini bertujuan untuk mengetahui dinamika opini publik Indonesia terkait Rohingya dari tahun 2015-2023 melalui Twitter, serta mengetahui topik-topik yang sering dibicarakan tiap tahunnya. Penelitian ini membandingkan akurasi antara leksikon InSet dengan pelabelan manual sebagai pengembangan dataset dan juga membandingkan antara metode klasifikasi menggunakan algoritma traditional machine learning (NB, SVM, LR, dan DT) dengan algoritma deep learning (LSTM, GRU, LSTM-GRU, dan GRU-LSTM). Untuk pemodelan topik, penelitian ini menggunakan algoritma LDA. Hasil penelitian menunjukkan bahwa akurasi leksikon InSet sebesar 44,64%, sehingga pelabelan dengan leksikon InSet belum dapat menggantikan pelabelan manual. Adapun performa klasifikasi terbaik adalah dengan algoritma traditional machine learning LR yang memiliki akurasi sebesar 0,620 dan f1-score sebesar 0.622. Visualisasi time series sentimen menunjukkan pada tahun 2015 - 2016 sentimen positif lebih banyak dibandingkan sentimen negatif dan netral, kemudian pada tahun 2017 – 2020 sentimen netral dan negatif hampir sama, sedangkan jumlah sentimen positif semakin menurun. Selanjutnya tahun 2021 – 2023, jumlah sentimen negatif naik signifikan dibanding sentimen positif yang terus turun. Adapun topik-topik yang sering dibicarakan untuk sentimen positif adalah adanya dukungan masyarakat Indonesia kepada Rohingya dalam memberikan bantuan dan tempat perlindungan, sedangkan untuk topik negatif terkait adanya kekhawatiran akan dampak sosial, ekonomi, serta keamanan yang mungkin ditimbulkan oleh kehadiran pengungsi Rohingya.
The Rohingya are an ethnic minority who currently still face persecution and discrimination in Myanmar, so they have to flee to neighboring countries, including Indonesia. However, the polemic regarding the issue of the existence of Rohigya refugees in Indonesia still shows that there are differences of opinion between groups who support and oppose, and these opinions can change every year. For this reason, this research aims to determine the dynamics of Indonesian public opinion regarding the Rohingya from 2015-2023 via Twitter, as well as finding out the topics that are often discussed each year. This research compares the accuracy of the InSet lexicon with manual labeling as a dataset development. Apart from that, this research also compares classification methods using traditional machine learning algorithms (NB, SVM, LR, and DT) and deep learning algorithms (LSTM, GRU, LSTM-GRU, and GRU-LSTM). For topic modeling, this research uses the LDA algorithm. The research results show that the accuracy of the InSet lexicon is 44.64%, so that labeling with the InSet lexicon cannot replace manual labeling. The best classification performance is with the traditional machine learning LR algorithm which has an accuracy of 0.620 and an f1-score of 0.622. Time series visualization of sentiment shows that in 2015 - 2016 there were more positive sentiments than negative and neutral sentiments, then in 2017 - 2020 neutral and negative sentiments were almost the same, while the number of positive sentiments decreased. Furthermore, in 2021 – 2023, the number of negative sentiments will increase significantly compared to positive sentiment which continues to fall. The topics that are often discussed for positive sentiment are the Indonesian people's support for the Rohingya in providing assistance and shelter, while the negative topics are related to concerns about the social, economic and security impacts that may be caused by the presence of Rohingya refugees."
Jakarta: Fakultas Ilmu Komputer Universitas Indonesia, 2024
