Analisis Sentimen Wacana Publik di Media Sosial X terhadap Pengungsi Rohingya: Pendekatan Klasifikasi Naïve Bayes
-
Published: December 26, 2025
-
Page: 21-35
Abstract
Kedatangan pengungsi etnis Rohingya di Indonesia memicu beragam respons publik yang secara luas diekspresikan melalui media sosial X. Dinamika opini tersebut mencerminkan interaksi kompleks antara nilai kemanusiaan, solidaritas sosial, serta kekhawatiran sosial dan ekonomi yang berkembang di masyarakat. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan sentimen opini masyarakat terhadap kedatangan pengungsi Rohingya di Indonesia dengan menggunakan algoritma Naïve Bayes berbasis data media sosial X. Hasil analisis menunjukkan bahwa mayoritas opini masyarakat cenderung bernada positif, yang merefleksikan adanya empati dan dukungan terhadap isu kemanusiaan pengungsi Rohingya. Namun demikian, proporsi sentimen negatif yang cukup signifikan juga ditemukan, terutama dipengaruhi oleh faktor sosial, pemberitaan media, serta penyebaran informasi yang tidak valid di ruang digital. Model klasifikasi yang dibangun mampu mencapai tingkat akurasi sebesar 80,13%, menunjukkan bahwa algoritma Naïve Bayes memiliki kinerja yang cukup baik dalam mengklasifikasikan sentimen teks berbahasa Indonesia. Temuan ini mengindikasikan bahwa meskipun narasi kemanusiaan masih mendominasi wacana publik, terdapat potensi pergeseran opini akibat isu sosial dan disinformasi yang berkembang di media sosial. Oleh karena itu, hasil penelitian ini dapat menjadi rujukan bagi pembuat kebijakan dalam merumuskan strategi komunikasi publik yang lebih efektif serta memperkuat pengelolaan isu pengungsi berbasis data dan persepsi masyarakat.
- Analisis Sentimen, Twitter, Naïve Bayes, Pengungsi Rohingya, Public Perception, Refugee Discourse, Social Media Analytics

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
- Fahrezi, M. F., & Permana, A. A. (2022). Analisis sentimen opini masyarakat pada media sosial Twitter terhadap organisasi Aksi Cepat Tanggap menggunakan Naïve Bayes Classifier. Jurnal Ilmiah, 11(2), 113–121.
- Gede Aditra Pradnyana, I. P., & Agustini, K. (2024). Konsep dasar data mining. Denpasar: Penerbit Akademik.
- Giovani, A. P., Ardiansyah, A., Haryanti, T., Kurniawati, L., & Gata, W. (2020). Analisis sentimen aplikasi Ruang Guru di Twitter menggunakan algoritma klasifikasi. Jurnal Teknoinfo, 14(2), 115–123. https://doi.org/10.33365/jti.v14i2.679
- Indah. (2022). Analisis sentimen keberhasilan pemerintah menangani Covid-19 pada Twitter menggunakan metode Naïve Bayes. Universitas Dinamika Bangsa.
- Indradipradana, R. K. (2023). Kebijakan luar negeri Indonesia: Studi kasus penerimaan pengungsi Rohingya asal Myanmar tahun 2020–2022. Jurnal Hubungan Internasional, 8(2), 211–236.
- Ismail, A. R., & Hakim, R. B. F. (2023). Implementasi lexicon-based untuk analisis sentimen dalam menentukan rekomendasi pantai di DI Yogyakarta berdasarkan data Twitter. Emerging Statistics and Data Science Journal, 1(1), 37–46. https://doi.org/10.20885/esds.vol1.iss.1.art5
- Kartika Sari, A., Irsyad, A., Aini, D. N., Islamiyah, & Ginting, S. E. (2024). Analisis sentimen Twitter menggunakan machine learning untuk identifikasi konten negatif. Adopsi Teknologi dan Sistem Informasi (ATASI), 3(1), 64–73. https://doi.org/10.30872/atasi.v3i1.1373
- Khatami, M. K. (2024). Analisis sentimen Twitter menggunakan Naïve Bayes dan Support Vector Machine terhadap KPU pada Pemilihan Umum Presiden 2024. Universitas Islam Negeri Syarif Hidayatullah Jakarta.
- McCallum, A., & Nigam, K. (1998). A comparison of event models for Naïve Bayes text classification. Proceedings of the AAAI-98 Workshop on Learning for Text Categorization, 41–48.
- Moy, L. Y., & Kusuma, A. J. (2022). Latar belakang Indonesia menerima pengungsi Rohingya pada tahun 2015 (analisis konstruktivis). Jurnal Ilmu Hubungan Internasional, 1, 60–75.
- Multi Fani, S., & Santoso, R. (2023). Penerapan text mining untuk melakukan clustering data tweet akun Blibli pada media sosial Twitter menggunakan K-Means. Jurnal Media Informatika Budidarma, 7(2), 583–593.
- Mustofa, Y. A. (2023). Analisis sentimen terhadap penggunaan aplikasi Shopee menggunakan algoritma Support Vector Machine. Jurnal Sistem Informasi, 5, 32–35.
- Putra, V., Agni, D., Kurniawan, R., & Wijaya, Y. A. (2024). Akurasi Naïve Bayes untuk analisis sentimen Twitter berdasarkan split data. Journal of Computing Engineering, System and Science, 9(1), 238–250.
- Putro, H. F., Vulandari, R. T., & Saptomo, W. L. (2020). Penerapan metode Naïve Bayes untuk klasifikasi pelanggan. Jurnal Informatika, 8(2), 45–52.
- Ramadhani, T., Hermawan, P., & Dzikrillah, A. R. (2024). Penerapan metode Naïve Bayes untuk analisis sentimen pada ulasan pengguna aplikasi ChatGPT di Google Play Store. BITS: Jurnal Teknologi Informasi, 6(1), 430–439. https://doi.org/10.47065/bits.v6i1.5400
- Rifaldi, D., Fadlil, A., & Herman. (2023). Teknik preprocessing pada text mining menggunakan data tweet “mental health”. Decode: Jurnal Pendidikan Teknologi Informasi, 3(2), 161–171. https://doi.org/10.51454/decode.v3i2.131
- Sopamena, & Abbas, C. (2023). Pengungsi Rohingya dan potensi konflik serta kemajemukan horizontal di Aceh. Jurnal Caraka Prabu, 7(2), 85–115. https://doi.org/10.36859/jcp.v7i2.1927
- Suarna, N., & Prihartono, W. (2024). Analisis sentimen ulasan aplikasi Threads di Google Play Store menggunakan algoritma Naïve Bayes. Jurnal Informatika, 8(1), 967–974.
- Syafnidawaty. (2020). Data mining. Tangerang: Universitas Raharja.
- Syakur, A. (2021). Implementasi metode lexicon-based untuk analisis sentimen kebijakan pemerintah dalam pencegahan Covid-19 pada Twitter. Jurnal Ilmiah Informatika Komputer, 26(3), 247–260. https://doi.org/10.35760/ik.2021.v26i3.4720
- UNHCR. (2023). Rohingya emergency overview. United Nations High Commissioner for Refugees.
- Yuniar, E., Utsalinah, D. S., & Wahyuningsih, D. (2022). Implementasi scraping data untuk sentiment analysis pengguna dompet digital menggunakan algoritma machine learning. Jurnal Janitra Informatika dan Sistem Informasi, 2(1), 35–42. https://doi.org/10.25008/janitra.v2i1.145