Seiring dengan berkembangnya kemajuan teknologi, pada saat ini masyarakat dapat mengungkapkan pendapat publik melalui media sosial seperti Twitter. Dengan begitu Twitter dapat menjadi sumber data pendapat dan sentiment masyarakat yang mana data tersebut dapat digunakan untuk studi sosial. Studi sosial yang masih menjadi masalah krusial bagi negara-negara berkembang, termasuk Indonesia ialah persoalan kemiskinan. Salah satu cara pengentasan kemiskinan yang dapat dilakukan adalah dengan zakat, namun potensi zakat di Indonesia yang mencapai angka Rp. 217 triliun baru mencapai sekitar 3-5 % dari potensi tersebut. Terlepas dari permasalahan tentang pengumpulan zakat dapat diteliti sentiment masyarakat dari Twitter. Dalam penelitian sentimen diperlukan classifier & seleksi fitur yang tangguh agar mendaptkan nilai akurasi yang tinggi. Salah satu classifier & seleksi fitur tersebut adalah Algoritma Naïve Bayes Classifier (NBC) dengan seleksi fitur Term-Frequency dimana pada penelitian sebelumnya menghasilkan akurasi yang cukup tinggi. Tujuan dari penelitian ini adalah mengetahui implementasi dari Algoritma Naïve Bayes Classifier (NBC) dengan seleksi fitur Term-Frequenc serta mendapatkan hasil akurasi, presisi dari Algoritma Naïve Bayes Classifier (NBC) dengan seleksi fitur tersebut terhadap tema zakat. Penulis menggunakan Standart search API untuk mengumpulkan data dan melakukan simulasi. Dengan menggunakan 1.000 data tweet yang bersumber dari query zakat, zakat fitra dan zakat fitrah serta twitter @baznasindonesia yang diambil pada 04 Juni 2019, penulis membagi menjadi dua kategori yaitu 950 tweet sebagai data latih dan 50 tweet sebagai data uji dimana proses labelling sentimen menggunakan metode Lexicon Based. Dari penelitian ini diperoleh hasil akurasi Algoritma Naïve Bayes Classifier (NBC) dengan seleksi fitur Term-Frequency sebesar 74%, sedangkan hasil presisi dari menggunakan Algoritma Naïve Bayes Classifier (NBC) mendapatkan nilai 79.3% untuk sentiment positif dan 66.7% untuk sentiment negatif.
Kata Kunci : Analisis Sentimen, Twitter, Naïve Bayes Classifier, Seleksi Fitur, Term-Frequency, Lexicon Based, Zakat, Akurasi