Penelitian ini melakukan perbandingan antara dua algoritma pengklasifikasi yaitu Naïve Bayes Classifier dan Support Vector Machine dengan menerapkan seleksi fitur Chi Square untuk analisis sentimen publik pada Twitter mengenai BTS Meal McDonald’s yang merupakan sebuah kerja sama antara grup laki - laki asal Korea Selatan “BTS” bersama dengan restoran cepat saji McDonald's. Kolaborasi tersebut menjadi topik yang trending di Twitter karena mengakibatkan antrean yang padat di gerai McDonald's bahkan sempat terjadinya keributan antar pengemudi ojek online. Hal ini menjadi sebuah concern bagi penulis tentang bagaimana upaya dalam membantu antisipasi hal serupa, yaitu salah satunya dengan mendapatkan umpan balik yang diungkapkan oleh pengguna Twitter sehingga dapat menjadi dasar bagi perusahaan McDonald’s dalam meningkatkan kualitas produk dan layanannya. Hasil perbandingan menunjukkan bahwa metode Naïve Bayes Classifier dan Support Vector Machine memperoleh akurasi secara berurutan sebesar 90,05?n 97,01%. Selain itu nilai precision kelas Negatif, recall kelas Positif, serta f1- score kelas Negatif dan Positif dari Support Vector Machine yaitu secara berurutan 99,35%; 97,62%; 93,18%; 98,09% menjadikan algoritma Support Vector Machine sebagai metode yang lebih baik dari pada Naïve Bayes Classifier dalam klasifikasi sentimen.
