Ganjar Pranowo dan Mohammad Mahfudh MD telah dinyatakan sebagai bakal calon presiden 2024. Opini masyarakat menjadi sumber informasi berharga dalam menganalisis sentimen terhadap kedua tokoh ini. Namun, analisis sentimen manual menghadapi kendala seperti keterbatasan tenaga manusia, ketidakstabilan emosi, dan waktu yang diperlukan. Oleh karena itu, penelitian ini memanfaatkan machine learning untuk mengklasifikasikan sentimen terhadap Ganjar Pranowo dan Mohammad Mahfudh MD. Tujuan penelitian ini adalah mengevaluasi kinerja metode Naïve Bayes Classifier dalam klasifikasi sentimen tersebut. Tahapan pemrosesan data meliputi cleansing, case folding, tokenisasi, normalisasi, stopword removal, dan stemming. Dataset yang digunakan terdiri dari 1000 tweet yang telah dilabelkan menggunakan lexicon InSet dengan bantuan mahasiswa Universitas Mulawarman jurusan Sastra Bahasa, menghasilkan tweet positif dan tweet negatif. Data kemudian dibagi menjadi 80% untuk data latih dan 20% untuk data uji. Pembobotan fitur dilakukan menggunakan TF-IDF (Term Frequency-Inverse Document Frequency) sebelum digunakan untuk melatih model Naïve Bayes. Model ini dievaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa metode Naïve Bayes Classifier dengan Lexicon Inset memberikan performa dengan accuracy sebesar 89%, precission 89%, recall 89%, dan f1-score 84%. Sementara itu, Naïve Bayes Classifier dengan ahli bahasa memberikan performa dengan accuracy sebesar 99%, precission 99%, recall 99%, dan f1-score 99%. Penelitian ini memberikan kontribusi penting dalam analisis sentimen.