Analisis sentimen atau opinion mining merupakan jenis natural language yaitu pengolahan kata untuk mengetahui opini, sikap atau mood masyarakat tentang suatu hal tertentu. Pengolahan kata dalam penelitian ini berkaitan dengan proses klasifikasi dokumen tekstual ke dalam tiga kelas, yaitu positif, negatif dan netral. Data diperoleh dari media sosial twitter berkaitan dengan komentar netizen terhadap calon pilpres joko widodo dengan keyword pilpres 2019 dan jokowi sebanyak 1000 komentar menggunakan teknik crawling data. Pada penelitian ini, penulis membandingkan kinerja algoritma naive bayes dan K-NN dengan data latih pendekatan lexicon dalam klasifikasi data uji. Penelitian ini bertujuan untuk mengetahui tingkat akurasi, presisi, recall algoritma naive bayes dan K-NN dengan pendekatan lexicon. Pengujian juga dilakukan terhadap penentuan nilai k pada algoritma K-NN untuk mencari parameter terbaik. Kesimpulan dari pengujian kombinasi algoritma K-NN dan pendekatan lexicon dapat meningkatkan akurasi pada analisis sentimen. Tingkat akurasi terbaik algoritma K-NN dan pendekatan lexicon yaitu sebesar 77% dengan nilai k adalah k=5 dan naive bayes memiliki akurasi tertinggi sebesar 81%.
Kata kunci : Analisis Sentimen, Perbandingan, Twitter, klasifikasi, Naive Bayes, K-NN, Lexicon.