Abstract
Perkembangan teknologi informasi telah mendorong peningkatan interaksi publik di media sosial seperti X (sebelumnya Twitter), tempat berbagai opini dibagikan. Analisis sentimen menjadi pendekatan yang tepat untuk memahami persepsi publik, terutama terhadap isu tertentu yang dicari melalui kata kunci. Penelitian ini mengimplementasikan algoritma Naive Bayes yang dipilih karena kesederhanaan, efisiensi, dan kesesuaiannya untuk klasifikasi teks. Proses yang dilakukan meliputi crawling data berdasarkan keyword, preprocessing teks, ekstraksi fitur dengan Term Frequency – Inverse Document Frequency (TF-IDF), penyeimbangan kelas menggunakan Synthetic Minority Over-sampling Technique (SMOTE), pelatihan model Naive Bayes, dan penyajian hasil dalam bentuk tabel serta grafik. Sistem juga dilengkapi dengan deteksi bot dan penanganan ketidakseimbangan kelas untuk meningkatkan akurasi. Model berhasil mengklasifikasikan sentimen dengan akurasi sekitar 72%. Meskipun performa untuk sentimen netral masih terbatas akibat data latih netral yang sedikit, sistem ini dapat membantu dalam memahami opini publik dan berpotensi dikembangkan lebih lanjut.
Kata Kunci: Analisis Sentimen, Keyword, X