Perkembangan media sosial saat ini sangat berkembang pesat salah satunya yaitu media sosial X yang sebelumnya dikenal dengan istilah twitter. Dengan fitur yang sudah diperbarui sehingga segala informasi sangat mudah didapatkan. Dari informasi yang mudah di dapat memungkinkan terjadinya diskusi publik yang mendasari dari suatu topik salah satunya yaitu topik mengenai Ibu Kota Nusantara, diskusi tersebut kemudian dapat dianalisis dengan menggunakan model klasifikasi Naïve Bayes. Untuk memasukkan teks ke model dibutuhkan suatu ektraksi fitur, dengan TF-IDF dan Word2Vec yang menjadi dua metode ektraksi umum yang sering digunakan untuk analisis sentimen. TF-IDF terfokus pada pembobotan kata dan frekuensi kata sedangkan Word2Vec berfungsi menangkap hubungan makna antar kata. Tujuan dari penelitian ini yaitu untuk membandingkan kinerja pembobotan TF-IDF dan juga Word2Vec dalam analisis sentimen menggunakan model klasifikasi Naïve bayes. Hasil penelitian menunjukkan bahwa TF-IDF memiliki kinerja lebih baik. Dengan akurasi rata-rata sebesar 64%, presisi 64%, recall 65% dan F1_Score 63%. Sedangkan pembobotan Word2Vec menunjukkan akurasi rata-rata sebesar 43% dengan presisi 38%, recall 42% dan F1_Score 30%. Selain itu, dari data set yang didapatkan terlihat bahwa mayoritas tanggapan masyarakat cenderung positif, dengan 1589 sentimen positif, 1321 sentimen netral dan 1215 sentimen negatif dari data keseluruhan sebesar 4125 data.