Penelitian ini bertujuan untuk mengklasifikasikan sentimen komentar pengguna
pada akun TikTok PT Smoot Motor Indonesia menggunakan algoritma Naïve
Bayes. Data dikumpulkan melalui proses web crawling dari satu video dengan
jumlah komentar terbanyak pada periode Januari hingga Juni 2025. Proses text
preprocessing dilakukan melalui tahapan cleaning, normalisasi, stopword removal,
tokenizing, stemming, dan penerjemahan ke dalam Bahasa Inggris. Sentimen
diklasifikasikan ke dalam tiga kategori: positif, negatif, dan netral. Selain
menggunakan pendekatan Naïve Bayes, dilakukan juga pelabelan berbasis polaritas
sebagai pembanding. Hasil klasifikasi divisualisasikan dalam bentuk wordcloud
dan diagram batang. Evaluasi model menunjukkan bahwa algoritma Naïve Bayes
dapat mengklasifikasikan komentar secara efektif, serta membantu perusahaan
memahami opini publik secara objektif. Penelitian ini diharapkan dapat menjadi
referensi dalam penerapan analisis sentimen berbasis media sosial untuk
pengambilan keputusan yang lebih tepat sasaran.