PT Pertamina merupakan salah satu perusahaan yang masih menggunakan Twitter. Dengan adanya Twitter, PT Pertamina dapat mengetahui dengan melihat keluh kesah masyarakat terhadap produk maupun pelayanan PT Pertamina. Banyaknya komentar masyarakat pada Twitter terkait PT Pertamina tersebut membuat PT Pertamina sulit untuk melakukan segmentasi berupa komentar positif, komentar negatif, dan komentar netral. Tidak hanya itu, PT Pertamina sendiri juga sulit membedakan antara komentar terkait SPBU (kategori SPBU) dan komentar terkait SPBE (kategori SPBE) karena pada twitter tersebut seluruh komentar-komentar tergabung menjadi satu (tidak dikategorikan berdasarkan SPBU dan SPBE). Sehingga untuk dapat membantu mendapatkan informasi tersebut, dibutuhkan segmentasi dan pengkategorian yang seharusnya dapat mempermudah PT Pertamina dan menjadi perhatian lebih bagi PT Pertamina itu sendiri.Proses yang dapat digunakan untuk menangani permasalah tersebut dengan menggunakan Text Mining untuk mencari kata-kata yang dapat mewakili isi yang ada didalam komentar terkait PT Pertamina pada Twitter, lalu diklasifikasikan menggunakan algoritma Naive Bayes. Output dari sistem analisis sentimen berupa segmentasi positif, segmentasi negatif dan segmentasi netral. Kemudian adanya pengkategorian produk berdasarkan pelayanan SPBU dan pelayanan. Sehingga dari hasil segmentasi dan ketegori tersebut dapat menjadi acuan bagi PT Pertamina untuk memperbaiki dan meningkatkan kualitas produk dan pelayanan kepada masyarakat. Hasil pengujian dengan menggunakan nilai k-fold 2 sampai 10 dan diuji sebanyak 10 kali untuk setiap nilai k menghasilkan akurasi algoritma naïve bayes berkisar 99,393% Dari 627 data twitter yang terkumpul di sistem, dapat dilihat bahwa sentimen masyarakat cenderung positif pada kategori SPBU berkisar 40.07%. Serta, sentiment masyarakat cenderung netral pada kategori SPBE berkisar 37.50%.

Kata kunci: Analisis Sentimen, Text Mining, Algoritma Naïve Bayes, Confusion Matrix,UAT.