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.