Pesatnya perkembangan era digitalisasi ditandai dengan munculnya berbagai media sosial, salah satunya adalah Twitter. Fungsi twitter sebagai tempat menyampaikan suatu pendapat jika terdapat topik yang ramai diperbincangkan maka akan muncul berbagai persepsi dan opini. Topik yang sedang ramai menjadi perbincangan saat ini adalah kebijakan Kurikulum Merdeka Belajar. Seiring berlangsungnya kebijakan tersebut diiringi berbagai komentar baik bersifat positif maupun bersifat negatif sehingga menyebabkan suatu sentimen. Oleh karena itu diperlukannya model machine learning klasifikasi untuk analisis sentimen yang dapat mengklasifikasi tweet apakah bersifat sentimen positif atau sentimen negatif dari hasil sentimen dianalisis untuk memperoleh informasi penting bagi pihak Kemendikbudristek sebagai bahan evaluasi terkait kurikulum merdeka belajar, dalam penerapan klasifikasi analisis sentimen pada penelitian ini menggunakan algoritma Naïve Bayes Classifier. Metode Naïve Bayes Classifier memiliki kelebihan yaitu memiliki algoritma yang sederhana, dalam penerapan klasifikasi teks Naïve Bayes dipilih kategori yang mempunyai probabilitas tertinggi. Ada beberapa tahapan untuk melakukan sentimen analisis, diantaranya pengumpulan data, pre-processing, pelabelan data, ekstraksi fitur, membangun model machine learning klasifikasi menggunakan algoritma Naïve Bayes Classifier dengan teknik K-Fold Cross Validation, evaluasi model, visualisasi data, dan menggunakan teknik SMOTE guna menangani ketidakseimbangan dataset. Data yang digunakan adalah data tweet atau komentar pengguna twitter berupa tanggapan masyarakat terkait kurikulum merdeka belajar data diperoleh sebanyak 2500 data komentar. Data dibagi menjadi 80:20 di mana 80% sebagai data latih untuk membangun model dan 20% sebagai data uji untuk mengukur kinerja model. Model machine learning yang telah dibangun dilakukan evaluasi untuk mengetahui performa model dalam mengklasifikasi teks di mana akurasi yang diperoleh dengan algoritma Naïve Bayes tanpa SMOTE sebesar 87,5% sedangkan untuk algoritma Naïve Bayes dengan SMOTE memperoleh akurasi sebesar 85,5%. Akan tetapi, saat menggunakan data baru bahwa model dengan SMOTE lebih akurat melakukan prediksi. Hasil analisa sentimen terhadap tanggapan masyarakat terkait kurikulum merdeka belajar cenderung memiliki sentimen bersifat negatif yang berisi berbagai keluhan dari peserta didik maupun pendidik.