Twitter adalah platform media sosial paling populer di internet dan menawarkan kesempatan kepada pengguna untuk mengekspresikan pendapat mereka tentang berbagai topik, termasuk berita, peristiwa terkini, kabaret, dan topik lainnya. Salah satunya adalah opini Kesehatan mental. Namun, ada banyak opini yang berbeda di Twitter dari pengguna internet yang berbeda, Oleh karena itu, perlu dilakukan analisis dasar mengenai opini publik untuk menjelaskan dan memberikan informasi baru mengenai topik tertentu yang berkaitan dengan kesehatan mental, metode yang digunakan adalah algoritma Naïve Bayes Clasifier dan K-Nearest Neighbors (K-NN) dan Decision Tree. Ada 5000 data yang berhasil dikumpulkan melalui API Twitter dengan memanfaatkan kata kunci 'Kesehatan Mental'. Proses pengumpulan data meliputi klasifikasi opini menjadi positif atau negatif, pembersihan data, dan pra-pemrosesan, hingga mencapai hasil akhir. Data tersebut kemudian dianalisis menggunakan tiga algoritma yang berbeda, yaitu Naïve Bayes Classifier dan K-Nearest Neighbors (K-NN) serta Decision Tree, untuk membandingkan dan menentukan akurasi tertinggi. Dalam penelitian ini, algoritma Naïve Bayes menunjukkan hasil terbaik dengan akurasi 98,3%, presisi 79%, dan recall 87,17%. Kata kunci: Analisis Sentimen, Decision Tree, Kesehatan Mental, K-Nearest Neighbors (K-NN), Naïve Bayes Classifier.