Perkembangan media sosial, khususnya platform X (Twitter), telah menjadi sarana utama bagi masyarakat dalam menyampaikan opini terhadap berbagai kebijakan publik, termasuk program makan bergizi gratis. Banyaknya data opini yang dihasilkan bersifat tidak terstruktur dan sulit dianalisis secara manual, sehingga diperlukan metode otomatis untuk mengetahui kecenderungan sentimen masyarakat. Permasalahan dalam penelitian ini adalah bagaimana perbandingan kinerja metode Multinomial Naive Bayes dan K-Nearest Neighbor (KNN) dalam menganalisis sentimen masyarakat terhadap program makan bergizi gratis berdasarkan nilai accuracy, precision, recall, dan F1-score. Penelitian ini bertujuan untuk menganalisis serta membandingkan performa kedua metode tersebut dalam klasifikasi sentimen. Data yang digunakan berupa sekitar 6.266 tweet berbahasa Indonesia yang dikumpulkan dari media sosial X pada periode Maret 2025 hingga April 2026. Tahapan penelitian meliputi preprocessing data (cleaning, case folding, normalisasi, tokenizing, stopword removal, dan stemming), transformasi data menggunakan TF-IDF, serta proses klasifikasi menggunakan algoritma Multinomial Naive Bayes dan K-Nearest Neighbor. Evaluasi model dilakukan menggunakan confusion matrix untuk mengukur accuracy, precision, recall, dan F1-score. Ketidakseimbangan jumlah data antar kelas pada data latih ditangani dengan RandomUnderSampler, sedangkan nilai K pada KNN dipilih melalui 5-fold cross-validation. Pada rasio pembagian data 80:20, Multinomial Naive Bayes unggul di seluruh metrik dengan akurasi 71,05% dan F1-score macro 67,37%, dibandingkan K-Nearest Neighbor yang memperoleh akurasi 61,00% dan F1-score macro 61,12%. Sentimen masyarakat terhadap program Makan Bergizi Gratis didominasi oleh sentimen negatif (50,3%), diikuti netral (30,8%) dan positif (18,9%).