<![CDATA[Abstract: The Minister of Finance's statement regarding the teacher and lecturer salary policy sparked mixed public reactions, particularly on social media. This study aims to analyze the sentiment of the Indonesian public, particularly Instagram users, regarding this statement using the Nae Bayes algorithm. Data was collected through scraping using Instant Data Scrapper in August 2025, totaling 939 data points. Preprocessing steps included cleansing, tokenizing, stopword removal, and stemming. The data were then classified into two sentiment categories: positive and negative. The results showed that the majority of Instagram user sentiment tended to be negative (859 data points, representing 91.5%), while positive sentiment accounted for 89 data points, representing 9.5%. The Nae Bayes model achieved an accuracy of 0.87 in classifying public opinion. These findings indicate that the Nae Bayes algorithm is effective in analyzing public opinion on sensitive issues on social media. Furthermore, the results of this study can serve as a reference for the government and policymakers in understanding public perception and formulating more appropriate communication strategies related to education policy. Keyword: Sentiment Analysis, Nae Bayes, Minister of Finance, Instagram, Text Analysis. Abstrak: Pernyataan Menteri Keuangan tentang kebijakan gaji guru dan dosen memicu beragam reaksi publik, khususnya di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia, terutama pengguna Instagram, terhadap pernyataan tersebut dengan menggunakan algoritma Nae Bayes. Data dikumpulkan melalui proses scraping menggunakan Instant Data Scrapper pada Agustus 2025 dengan jumlah 939 data. Kemudian dilakukan tahap praproses meliputi cleansing, tokenizing, stopword removal, dan stemming. Selanjutnya, data diklasifikasikan ke dalam dua kategori sentimen, yaitu positif dan negatif. Hasil penelitian menunjukkan bahwa mayoritas sentimen pengguna Instagram cenderung Negatif (859 data dengan persentase 91,5%), sedangkan sentimen positif berjumlah 89 data dengan persentase 9,5%. Model Nae Bayes mencapai tingkat akurasi sebesar 0,87 dalam mengklasifikasikan opini publik. Temuan ini mengindikasikan bahwa algoritma Nae Bayes efektif dalam menganalisis opini publik pada isu sensitif di media sosial. Selain itu, hasil penelitian ini dapat menjadi acuan bagi pemerintah dan pemangku kebijakan dalam memahami persepsi publik serta merumuskan strategi komunikasi yang lebih tepat terkait kebijakan pendidikan. Kata kunci: Sentimen Analisis, Nae Bayes, Menteri Keuangan, Instagram, Analisis Teks.]]>
