To improve service to the community, a government agency, namely the Ministry of Communication and Information (Kemkominfo), needs feedback from the community. One way to get feedback from the public is to use social media. Kemkominfo has provided the media, one of them Mikroblog Twitter to accommodate the public participation in the form of complaints, information, and suggestions on service process (policy, regulation, work program). Therefore, a
classification system was developed using the Naïve Bayes Clasifier method to help determine the sentiments on the ¬tweet that the community sent on twitter @Kemkominfo account. Naive Bayes Clasifier is a simple probabilistic
classification that calculates a set of probabilities by adding up the frequency and combination of values from a given dataset. Classification is divided into three groups, namely, positive, negative and neutral. In this study the development of the system uses CRISP-DM so that the work becomes more ordered and the test is done by the Confusion Matrix method to test the level of classification accuracy. From this research, the result of testing with Confusion Matrix shows 81.21% accuracy where precision and recall value is 0.80 and 0.89. These results, proving that the Naïve Bayes Classifier method can be used to assist in the classification of tweets based on Kemkominfo services, because it produces a high level of accuracy, so it can help in improving the performance of Kemkominfo.

Untuk meningkatkan pelayanan kepada masyarakat, suatu instansi pemerintah yaitu Kementerian Komunikasi dan Informatika (Kemkominfo) membutuhkan feedback dari masyarakat. Salah satu cara untuk mendapatkan feedback dari masyarakat adalah dengan menggunakan media sosial. Kemkominfo telah menyediakan media yaitu salah satunya Mikroblog Twitter untuk menampung partisipasi masyarakat baik dalam bentuk keluhan, informasi, maupun saran pada proses pelayanan jasa (kebijakan, peraturan, program kerja). Oleh karena itu, dibuatlah sebuah sistem klasifikasi
menggunakan metode Naïve Bayes Clasifier dalam membantu menentukan sentimen pada tweet yang dikirim masyarakat pada akun twitter @Kemkominfo. Naive Bayes Clasifier merupakan pengklasifikasian probabilistik sederhana yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan kombinasi nilai dari dataset yang diberikan. Pengklasifikasian dibagi menjadi tiga kelompok yaitu, positif, negatif dan netral. Pada penelitian ini pengembangan sistem menggunakan CRISP-DM agar pengerjaan menjadi lebih terurut dan pengujian dilakukan dengan metode Confusion Matrix untuk menguji tingkat akurasi klasifikasi. Dari penelitian ini, hasil pengujian dengan Confusion Matrix menunjukkan akurasi 81.21% dimana nilai precision dan recall sebesar 0.80 dan 0.89. Hasil tersebut, membuktikan bahwa metode Naïve Bayes Classifier dapat digunakan untuk membantu dalam klasifikasi tweet berdasarkan pelayanan jasa Kemkominfo, karena menghasilkan tingkat keakuratan yang cukup tinggi, sehingga dapat membantu dalam meningkatkan performa kerja Kemkominfo