T Tingginya jumlah pengguna Twitter menjadikannya peluang untuk berbagiinformasi, pikiran, perasaan, curhat atau hiburan, termasuk film. Namun, denganjumlah tweet yang begitu banyak dan disusun secara acak, sulit untuk menemukanopini positif, negatif, dan netral. Penelitian ini bertujuan untuk mengklasifikasi danmenganalisa sentimen yang bersumber dari media sosial Twitter. Selain itu,penelitian ini dilakukan untuk memperoleh pemahaman mengenai respons dansentimen penonton terhadap film horor Indonesia. Penelitian ini menggunakanAnalisis Sentimen dengan metode Lexicon-Based dan Naïve Bayes Classifiersebagai metode klasifikasi yang memprediksi peluang berdasarkan pengalamanmasa lalu (teorema Bayes). Hasil dari visualisasi analisis sentimen menunjukkansentimen pengguna Twitter terhadap Film Horor Indonesia sejumlah 4.987 tweetatau 50,7% untuk sentimen ‘0’ atau Negatif, 1.325 tweet atau 13,5% untuksentimen ‘1’ atau Netral, dan 3.532 tweet atau 35,9% untuk sentimen ‘2’ atauPositif. Selain itu, penelitian ini memperoleh nilai akurasi sebesar 70%, nilai inidisebabkan ketidakseimbangan perbandingan data pada kelas Netral, terlihat darikemampuan mengingat atau recall dari model prediksi, kelas Netral hanyamencapai nilai recall 5% saja. Data sample pada kelas Netral juga terlihat lebihsedikit dibandingkan dengan kelas Negatif dan Positif, hal ini menyebabkan modelprediksi menjadi sulit terlatih dan menyebabkan nilai akurasi menjadi rendah. Nilaiakurasi ini masih dapat ditingkatkan dengan balancing data, contohnya denganmenambah jumlah dataset pada tahap scraping atau crawling data.