Dalam era pasca pandemi Covid-19, industri musik di Indonesia merupakan salah satu sektor yang sangat terpengaruh oleh pandemi. Salah satu dampak yang muncul adalah kenaikan harga tiket konser yang signifikan dan menimbulkan berbagai kontroversi. Penelitian ini bertujuan untuk mengetahui pola sentimen pada data tweet pengguna media sosial X serta membandingkan keakuratan dari Metode TF-IDF dan TF-RF pada tahap ekstraksi fitur dalam analisis sentimen mengenai kenaikan harga tiket konser pasca pandemi Covid-19 di Indonesia berbasis Algoritma Naïve Bayes dengan menggunakan dataset yang berasal dari data tweet pengguna media sosial X sebanyak 1350 tweet. Alur penelitian ini dimulai dengan tahap persiapan data, labelling, text-preprocessing, ekstraksi fitur, pembagian dataset, dan perancangan model analisis sentimen berbasis Algoritma Naïve Bayes menggunakan 70% data latih dan 30% data uji yang berasal dari hasil pembobotan masing-masing metode pembobotan kata ke dalam bentuk klasifikasi sentimen positif dan negatif. Kemudian diakhiri dengan mengevaluasi model tersebut menggunakan Confusion Matrix. Hasil dari penelitian ini menunjukan bahwa masing-masing model memiliki performa yang sangat baik dan pola sentimen yang tercermin dalam data tweet yang diunggah di media sosial X memiliki kecenderungan yang negatif serta dataset yang diperoleh dari hasil pembobotan kata dengan menggunakan Metode TF-RF memiliki nilai akurasi yang lebih tinggi jika dibandingkan dengan Metode TF-IDF, yaitu sebesar 92,25% pada Metode TF-RF berbanding dengan 88,75% pada Metode TF-IDF.