AbstrakBencana alam sering terjadi di wilayah Indonesia, pemberian bantuan yang efisien dan sesuai kebutuhan sangat berpengaruh terhadap proses pemulihan pasca bencana alam. Melalui twitter masyarakat banyak memberikan respon mengenai bencana alam, akan tetapi respon tersebut belum terklasifikasikan. Oleh karenanya, diperlukan klasifikasi respon masyarakat mengenai bencana alam. Dalam penilitian ini, dilakukan analisis sentimen terhadap tweet dengan mengklasifikasikan kedalam kategori positif atau negatif menggunakan algoritma Naïve Bayes Classifier. Dari hasil klasifikasi tersebut kita dapat memprioritaskan bantuan dengan mengkategorikan setiap hasil klasifikasi. Dari hasil klasifikasi tersebut positif diartikan bantuan berdasarkan kategori tersebut telah terpenuhi sedangkan negatif berarti bantuan tersebut kurang atau dibutuhkan. Penelitian ini juga akan menggunakan fitur N-Gram yaitu unigram dan bigram. Pada pengujian penelitian ini dilakukan empat kali pengujian. Setiap pengujian, presentase data training nya berbeda karena jumlah data training juga berpengaruh terhadap peningkatan nilai akurasi. Hasil dari pengujian tersebut diperoleh nilai akurasi untuk unigram sebesar 76.67%, 84.44%, 90.00% dan 93.33%. Nilai akurasi untuk bigram sebesar 64.17%, 68.89 %, 75.00%, 86.67%. Dari empat pengujian didapatkan hasil akurasi tertinggi pada unigram yaitu sebesar 93.33% dan bigram sebesar 86.67%. Jadi untuk nilai akurasi unigram lebih tinggi daripada bigram.