Bahan Bakar Minyak (BBM) memiliki peranan yang sangat penting dalam kehidupan masyarakat. Pemerintah Indonesia mengumumkan kebijakan kenaikan harga BBM sehingga memuat kotraversi masyarakat dan memicu pro dan kontra. Di era internet banyak sekali mengubah cara seseorang mengkespresikan pendapat, opini, tanggapan mereka melalui media sosial salah satunya twitter. Dalam penilitian ini analisis sentimen diterapkan untuk menganalisis sentimen dari respon pengguna media sosial twitter tentang kebijakan tersebut untuk dilakukan pengklasifikasian komentar yang didapatkan, apakah komentar tersebut bersifat positf, negatif dan netral.
Proses awal pada penelitian ini melakukan pengambilan data komentar twitter dengan kata kunci harga BBM. Selanjutnya tanggapan tersebut dilakukan proses text prepocessing dan pembobotan kata TFIDF (Term Frequency Inverse Documnet Frequency). Penelitian ini menggunakan metode naive bayes clasiffier dalam melakukan klasifikasi tanggapan dari media sosial twitter yang terbagi menjadi tiga kelas, yaitu positif, negatif dan netral.
Berdasarkan hasil pengujian yang telah dilakukan bahwa hasil dari model naive bayes classifier didapatkan sentimen negatif memiliki nilai persentase tertinggi sebesar 53.8%, pada sentimen positif sebesar 37.1% serta pada sentimen netral sebesar 9.1%. Kemudian dilakukan split validation data dengan perbandingan data latih dan data uji sebesar 80:20 yang diambil secara acak. Sehingga didapatkan nilai performa dari model naive bayes dengan klasifikasi yang baik dengan tingkat akurasi sebesar 81%, presicion sebesar 83%, recall sebesar 81% dan f1 score sebesar 79%.