<![CDATA[Data opini pengguna X terhadap topik kenaikan harga Bahan Bakar Minyak (BBM) memiliki nilai sentimen yang dapat menentukan kelas opini dominan sebagai gambaran penilaian dari sisi masyarakat pengguna X. Opini pengguna X akan diklasifikasi dalam tiga kelas yaitu kelas opini positif, negatif dan netral menggunakan model Multinomial Naïve Bayes Classifier (MNBC). Hasil klasifikasi yang diperoleh dilanjutkan pada tahapan peramalan jumlah opini dengan metode Naïve Forecasting (NF). Tujuan dari penelitian ini yaitu mengklasifikasikan opini dengan MNBC, meramalkan jumlah opini untuk jangka waktu satu minggu kedepan dengan NF, dan mengevaluasi hasil klasifikasi serta hasil peramalan. MNBC merupakan salah satu algoritma machine learning yang digunakan untuk klasifikasi teks. NF merupakan salah satu metode peramalan untuk data time series. Perhitungan pada penelitian ini dilakukan dengan penggunaan bantuan software R. Data yang digunakan berupa data sekunder sebanyak 2500 data. Periode pengambilan data selama satu minggu dimulai dari 20 Oktober 2022 hingga 27 Oktober 2022. Hasil dari pemodelan MNBC didapatkan tiga kelas yaitu sebanyak 775 dokumen diklasifikasikan sebagai opini negatif, 475 dokumen diklasifikasikan sebagai opini netral, dan 581 dokumen diklasifikasikan sebagai opini positif. Akurasi model MNBC dikategorikan sangat baik sebesar 92% untuk keseluruhan kelas. Hasil peramalan tiga kelas klasifikasi dengan NF yaitu jumlah opini kelas positif sebanyak 44 opini dengan nilai RMSE sebesar 8,96, jumlah opini kelas negatif sebanyak 25 opini dengan nilai RMSE sebesar 14,87, dan jumlah opini kelas netral sebanyak 21 opini dengan nilai RMSE sebesar 11,45. Hal ini menunjukkan Peramalan dengan NF dikategorikan cukup baik. Kata Kunci: MNBC, NF, Opini, Klasifikasi, Peramalan.]]>
