Media sosial saat ini menjadi media online yang banyak di akses didunia. Layanan microbloging seperti twitter memungkinkan pengguna untuk menulis tentang berbagai hal yang mereka alami atau menulis ulasan terhadap suatu produk, jasa layanan, tokoh publik dan lain sebagainya. Hal tersebut dapat dimanfaatkan untuk pengambilan opini atau sentimen terhadap suatu entitas yang sedang dibicarakan di media sosial seperti twitter. Penelitian ini memanfaatkan data tersebut untuk mengetahui opini atau sentimen publik mengenai persepsi masyarakat terhadap isu kenaikan tarif dasar listrik. Pengambilan opini berdasarkan tiga kelas yaitu positif, negatif dan netral. Pengguna sering menggunakan singkatan kata atau ejaan yang tidak baku, hal ini dapat menyulitkan proses dan ketepatan hasil klasifikasi. Pada penelitian ini penulis menerapkan text-preprocessing dalam menangani masalah tersebut. Untuk ekstrasi fitur digunakan n-gram dan metode klasifikasi menggunakan naive bayes classifier. Dari hasil penelitian yang telah dilakukan dapat diketahui bahwa sentimen negatif paling banyak terbentuk dalam menanggapi isu kenaikan tarif dasar listrik. Selain itu dari hasil pengujian dengan metode cross validation dan comfusion matrix diketahui bahwa tingkat akurasi dari metode naïve bayes mencapai 89.67% sebelum diterapkan n-gram, dan tingkat akurasi meningkat 2.33 % setelah diterapkan n-gram karakter menjadi 92.00%. Terbukti bahwa penerapan fitur ekstraksi n-gram dapat meningkatkan nilai akurasi metode naïve bayes.