Menjelang pilpres tahun 2019, opini – opini atau tweet yang berkaitan dengan Presiden dan Calon Presiden adalah yang paling banyak diutarakan oleh pengguna twitter di Indonesia saat ini. Opini – opini masyarakat sangat penting untuk mengetahui keadaan keberpihakan masyarakat pada pemilihan presiden yang akan datang. Selain itu dengan melihat opini – opini yang terpampang secara bebas di twitter, kita dapat mengetahui secara umum keadaan beberapa aspek ekonomi, aspek kesehatan, dan aspek pembangunan dengan memanfaatkan opini – opini di twitter. Pada Tugas Akhir ini dibangun sistem untuk analisis sentimen dalam tiga aspek yaitu ekonomi, kesehatan, dan pembangunan yang berupa sentimen positif atau sentimen negatif. Metode yang digunakan adalah Naïve Bayes dengan menggunakan ekstraksi fitur Lexicon SentiWordnet dan penggabungan TF-IDF dengan Lexicon SentiWordnet. Masukan dari sistem ini berupa dataset tweet dari Twitter sebanyak 1357, kemudian dataset tersebut dilabeli secara manual. Keluaran dari penelitian ini berupa evaluasi dengan menggunakan 10 fold cross validation, kemudian pengukuran akurasi diukur dengan confusion matrix. Berdasarkan hasil penelitian yang telah dilakukan, penggunaan Naïve Bayes dengan ekstraksi fitur Lexicon SentiWordnet dalam pembuatan sistem Sentiment Analysis terbukti lebih baik dengan akurasi 84,75% dibandingkan dengan Naïve Bayes dengan menggunakan ekstraksi fitur TF-IDF ataupun TF-IDF yang digabungkan dengan Lexicon SentiWordnet.