<![CDATA[Provinsi Sumatera Utara memiliki tingkat kerentanan tinggi terhadap bencana banjir, namun pengolahan opini publik di media sosial X masih tidak terstruktur sehingga menghambat pengambilan keputusan mitigasi yang cepat. Penelitian ini bertujuan untuk membangun sistem klasifikasi otomatis opini masyarakat mengenai banjir menggunakan algoritma Multinomial Naïve Bayes guna mendukung kebijakan berbasis data bagi instansi terkait. Metodologi yang digunakan adalah kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM) yang meliputi tahapan pengumpulan data, prapemrosesan teks intensif, ekstraksi fitur menggunakan pembobotan Term Frequency-Inverse Document Frequency (TF-IDF), hingga pembangunan model klasifikasi. Hasil penelitian menunjukkan bahwa dari 2.105 data mentah yang dikumpulkan, terdapat 1.179 data relevan yang berhasil diekstraksi melalui proses penyaringan. Pengujian model menghasilkan tingkat akurasi sebesar 88,71%, yang membuktikan keandalan sistem dalam memetakan opini publik. Analisis distribusi sentimen mengungkapkan dominasi respons negatif masyarakat sebesar 60,4%, diikuti respons positif 35,8%, dan netral 3,74%. Algoritma ini terbukti sangat efektif mendeteksi keluhan warga dengan nilai sensitivitas (recall) pada kelas negatif mencapai 95,4%. Implementasi akhir penelitian disajikan dalam bentuk aplikasi berbasis web menggunakan pustaka Streamlit sebagai instrumen visualisasi data strategis.]]>
