Perkembangan teknologi saat ini mempengaruhi bentuk jenis layanan informasi yang disediakan, terutama layanan sistem informasi yang tidak lepas keterkaitannya dengan jaringan internet. Untuk meningkatkan pelayanan yang ada, diperlukannya tanggapan-tanggapan pengguna terkait layanan yang diberikan, namun jika tanggapan yang dimiliki sangat banyak, akan sulit untuk mengetahui apakah layanan yang diberikan sudah baik atau tidak. Dengan melakukan pendekatan yang tepat, tanggapan tersebut dapat dianalisa sentimennya dengan cepat dan otomatis. Analisis sentimen dilakukan dengan melakukan klasifikasi pada tanggapan kedalam kelas positif dan negatif, metode klasifikasi yang akan digunakan adalah Multinomial Naïve Bayes (MNB). MNB merupakan metode yang cukup terkenal dan sering digunakan untuk penelitian. Sebelum data diketahui hasil sentimennya, dilakukan pelabelan pada data secara manual, kemudian data tersebut melewati tahap preprocessing, cross validation, ektraksi fitur kemudian klasifikasi sentimen dengan classifier MNB. Proses klasifikasi kelas positif dan negatif pada tanggapan menggunakan MNB, medapatkan hasil tanggapan negatif tertinggi pada iGracias yang merupakan detail tanggapan pada sublayanan sistem informasi sebesar 44.27%. Metode MNB dengan menggunakan lemma dengan kondisi pada proses preprocessing-nya memperoleh rata-rata akurasi yang baik yaitu 83.24% untuk sublayanan sistem informasi dan 79.24% untuk sublayanan internet, dengan akurasi tertinggi sebesar 84.67% dan 80.53% untuk kedua sublayanan.
Kata Kunci: analisis sentimen, layanan sistem informasi, preprocessing, cross validation, ektraksi fitur, multinomial naïve bayes.