Pada media sosial, pengguna dapat dengan bebas mengekspresikan pendapat atau opini. Media sosial dapat menjadi alternatif solusi untuk melakukan analisis sentimen disamping survei konvensional yang memerlukan biaya mahal dan waktu yang cukup lama. Salah satu metode yang banyak digunakan untuk analisis sentimen adalah naïve bayes. Metode ini mempunyai akurasi yang baik untuk klasifikasi sentimen dan efisien dalam hal komputasi. Proses analisis akan dimulai dengan pengumpulan data, kemudian melakukan preprocessing, seleksi fitur dan pembuatan model klasifikasi. Seleksi fitur dilakukan menggunakan metode information gain, dengan menghitung keterkaitan kata terhadap kelas dan klasifikasi akan dilakukan dengan naïve bayes, dengan menghitung probabilitas setiap kata terhadap kelas. Penelitian ini bertujuan untuk mengetahui bagaimana performa metode information gain dan naïve bayes dalam analisis sentimen. Hasil pengukuran dari performa metode antara lain nilai akurasi rata-rata 56,6%, precision 0,33, dan recall sebesar 0,39.

On social media, users can freely express their opinion. Social media can be an alternative solution for conduct sentiment analysis in addition to conventional surveys that requires expensive fees and a long time. One method that is widely used for sentiment analysis is naïve bayes. This method has good accuracy for classification of sentiments and efficient in computing. The analysis process will begin with data collection, then do preprocessing, feature selection and making a classification model. Feature selection is done using information gain method, by calculating the word relation to classes and classifications will be conducted with naïve bayes, with calculate the probability of each word for the class. This research aims to find out how the performance of information gain and naïve bayes methods in sentiment analysis. The results of performance shown that average accuracy is 56.6%, precision 0.33, and recall 0.39.