opik Kenaikan Cukai Rokok ramai dibicarakan pada penghujung akhir tahun 2019. Pro dan kontra dalam efek negatif dari konsumsi rokok dan cukai hasil tembakau sebagai salah satu devisa negara yang besar menimbulkan beberapa diskusi menarik. Studi Empiris mengenai Sentimen Kenaikan Cukai Rokok pada sosial media Twitterakan dilakukan pada penelitian ini untuk melihat kinerja modeltunggal Naïve Bayes, Support Vector Machine, dan Classification and Regression Tree padafitur Bag-of-Wordsdan Term Frequenct Inverse Document Frequency. Penelitian ini juga ingin melihat apakah sebuah ensemblemodel dari ketiga model tunggal yang tersedia dapat meningkatkan hasil akurasi.Penelitian ini menunjukkanuntukaspek fiturBag Of Word, model Ensemble Learningdengan teknik stackingberhasil menempatitingkat akurasi tertinggiyaitu sebesar 68,98%dibanding keseluruhan model pada fiturdan untukfitur Term Frequenct Inverse Document Frequency, model Ensemble Learningdengan teknik stackingjuga berhasil menempatitingkat akurasi tertinggiyaitu sebesar 96%dibanding keseluruhan model pada fitur. Kedua hasil tersebut menunjukkan bahwa model ensemble learningberhasil meningkatkan tingkat akurasi yang diperoleh oleh model tunggal dengan menjadi model terbaik pada kedua fitur Bag Of Worddan Term Frequenct Inverse Document Frequencyyang diberikan.Kata kunci: Analisis Sentimen,Bag-of-Words, Classification and Regression Tree, Cukai Rokok, Ensemble,Naïve Bayes, Support Vector Machine, Term Frequenct Inverse Document Frequency, Twitter.