Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap TAPERA menggunakan metode Lexicon Based dan algoritma Naive Bayes sebagai pendekatan machine learning. Media sosial, seperti Twitter, telah menjadi platform utama bagi masyarakat untuk menyuarakan opini terkait kebijakan publik, termasuk Undang-Undang Tabungan Perumahan Rakyat (TAPERA). Penelitian ini menganalisis sentimen publik terhadap TAPERA menggunakan metode Lexicon- Based dan algoritma Naive Bayes. Metode lexicon-based textblob digunakan untuk mendeteksi sentimen berdasarkan kata-kata yang muncul dalam teks dengan menghitung polaritas sentimen. Dataset penelitian terdiri dari 2559 tweets, yang dicrawling menggunakan tweet-harvest dari media sosial twitter (X) yang terbagi menjadi 81 data positif, 2456 data netral, dan 22 data negatif, dan diproses melalui tahapan preprocessing, seperti: Cleaning, Normalize, Stopwords Removal, Tokenize, Stemming. Sementara itu, algoritma Naive Bayes digunakan untuk mengklasifikasikan data sentimen ke dalam kategori positif, negatif, dan netral berdasarkan probablitias. Algoritma Naïve Bayes menghasilkan weighted average sebesar: akurasi 96%, presisi 96%, recall 96%, dan F1 score 96%.
Kata kunci; Klasifikasi Teks;Tapera;Algoritman;Lexicon