Dalam analisis sentimen terhadap partai politik di Twitter, metode Naive Bayes digunakan untuk mengklasifikasikan sentimen positif, negatif, dan netral berdasarkan data yang dikumpulkan melalui web scraping dengan kata kunci 'partai'. Data tersebut mencakup rentang waktu dari 1 Februari 2024 hingga 14 Februari 2024, yang merupakan periode penting selama kampanye politik dan pemilihan umum. Setelah melakukan preprocessing dan cleaning data, dilakukan pembobotan kata menggunakan metode TF-IDF untuk menentukan bobot kata-kata dalam setiap dokumen. Hasil analisis menunjukkan bahwa sentimen Negatif terhadap partai politik mendominasi dengan persentase 50,47%, diikuti oleh sentimen netral sebesar 28,45%, dan sentimen pr sebesar 21,08%. Selain itu, dilakukan juga klasifikasi terindikasi buzzer untuk mengidentifikasi pengguna yang berpotensi memengaruhi opini publik. Visualisasi data seperti word cloud, diagram lingkaran, diagram batang, dan line chart digunakan untuk mempresentasikan hasil analisis secara lebih intuitif. Saran untuk pengembangan analisis sentimen di masa mendatang meliputi integrasi dengan data lokasi atau demografi untuk analisis yang lebih mendalam serta pembaruan model klasifikasi dengan data yang lebih baru untuk meningkatkan akurasi. Analisis ini memberikan wawasan yang berharga bagi pemangku kepentingan politik untuk memahami pandangan masyarakat terhadap partai politik dan merumuskan strategi komunikasi yang efektif