<![CDATA[Aspirasi, opini dan kritik masyarakat saat ini sangat sulit disampaikan secara langsung, karena beberapa kendala seperti keterbatasan waktu, ruang, bahkan SDM yang sangat sibuk untuk bertemu langsung. Namun, jejaring sosial tidak menutup kemungkinan akan hal tersebut, salah satunya adalah twitter. Twitter merupakan salah satu jejaring sosial yang sering digunakan oleh masyarakat umum untuk mengungkapkan opini, kritik hingga membuat sensasi. Namun di dalam opini pada twitter banyak sekali makna yang berbeda dari setiap netizen, salah satunya adalah tentang opini COVID-19, yang akhir-akhir ini ramai diperbincangkan dari berbagai kalangan. Oleh karena itu perlu suatu analisis sentimen opini masyarakat guna menyelaraskan dan memberi pandangan baru mengenai suatu isu tentang COVID-19, metode yang digunakan adalah algoritma Naïve Bayes dan KNN (K-Nearest Neighbor), metode ini dapat mengklasifikasikan data atau kalimat sehingga menjadi suatu informasi, penelitian ini berfokus pada perbandingan hasil klasifikasi metode Naïve Bayes dan KNN, serta mengetahui kecenderungan opini masyarakat di twitter. Penulis mengambil subjek opini dari twitter menggunakan API twitter sebanyak 1098 opini dengan kata kunci “COVID-19”, tahap pengolahan data dimulai dari klasifikasi opini positif atau negatif, data cleansing, preprocessing, hingga didapatkan hasil akhir. Hasil pengujian diketahui metode Naïve Bayes lebih tinggi nilainya dari berbagai hasil pengujian, salah satunya adalah tingkat accuracy sebesar 63.21%, sedangkan metode KNN sebesar 58.10%, dan didapatkan pula kecenderunga opini masyarakat di twitter condong positif, hal tersebut dapat dilihat dari jumlah opini positif sebesar 610 sedangkan negatif 488, ditunjang dengan hasil pengujian precision di metode Naïve Bayes dengan nilai positif lebih inggi dari pada negatif yaitu 66.40% : 58.94%.]]>
