Penelitian ini bertujuan untuk mengimplementasikan metode klasifikasi menggunakan algoritma Naïve Bayes Classifier (NBC) pada data teks ulasan pengunjung di Danau Toba. Metode Cross Industry Standard Process for Data Mining (CRISP-DM) terdiri beberapa tahapan sebagai berikut : tahap business understanding; tahap data understanding; tahap data preparation; tahap modeling; tahap evaluation; tahap deployment. Hasil penelitian ini menunjukkan bahwa pada tahap business understanding, konteks pembahasan menekankan pada sektor pariwisata yakni persepsi wisatawan terhadap kualitas produk dan layanan destinasi wisata Danau Toba. Pada tahap data understanding, sumber data ulasan yang digunakan berasal dari website Tripadvisor sebanyak 858 ulasan dengan klasifikasi rating sebagai berikut : 8 ulasan dengan rating sangat buruk; 22 ulasan dengan rating buruk; 81 ulasan dengan rating netral; 304 ulasan dengan rating baik; 443 ulasan dengan rating sangat baik. Pada tahap data preparation, dilakukan pembersihan data sehingga terdapat 382 data yang akan diproses dengan pembagian 30% data latih dan 70% data uji. Pada tahap modeling, dilakukan pengujian performa algoritma NBC dan DT, menggunakan operator SMOTE UPsampling dan tanpa menggunakan SMOTE UPsampling. Adapun hasil perbandingan nilai algoritma NBC dan DT menunjukkan bahwa model dengan performa terbaik ialah DT menggunakan operator SMOTE UPsampling dengan nilai akurasi (98,27%), presisi (98,83%), recall (97,71%), f-measure (98,26%), dan nilai AUC (0,982). Pada tahap evaluasi, dilakukan analisis hasil perankingan lima kata populer dalam data ulasan pengunjung Danau Toba yang memberikan penekanan pada pentingnya pelayanan prima (SDM berkualitas) dan infrastruktur pendukung (sarana dan prasarana pariwisata). Pada tahap deployment, dibutuhkan keseimbangan dalam pengembangan atraksi, aksesiblitas, akomodasi dan amentias pendukung pariwisata agar dapat memantik minat berkunjung dan motivasi untuk berkunjung kembali ke Danau Toba.