Twitter merupakan salah satu media sosial yang sangat populer digunakan yang dapat memfasilitasi
pengguna untuk menuliskan pemikiran mereka kedalam sebuah tweet. Dari tweet yang bersifat personal
tersebut dapat diambil informasi seperti jenis emosi, sentimen, dan kepribadian. Kepribadian penting
untuk diketahui karena berguna dalam memahami potensi pengguna, meningkatkan akurasi untuk sistem
rekomendasi, dan membantu diagnosis kesehatan mental. Saat ini sudah banyak penelitian sebelumnya
yang memprediksi kepribadian seseorang menggunakan data berbahasa Inggris dengan menggunakan
banyak fitur, namun untuk bahasa Indonesia belum diteliti dengan baik. Maka dalam penelitian ini
dibangun sistem prediksi kepribadian yang diklasifikasikan kedalam model Big Five, karena dianggap
model yang paling sesuai untuk menentukan kepribadian pengguna di media sosial. Fitur yang digunakan
adalah fitur sosial, deteksi sentimen, dan deteksi emosi dengan menghitung bobot kata setiap tweet
menggunakan Term Frequency Inverse Document Frequency (TF-IDF). Metode klasifikasi akan
menggunakan Naive Bayes karena cepat dalam perhitungan data yang besar, dan implementasi yang
cenderung lebih mudah untuk dibangun. Hasil eksperimen menunjukkan akurasi sebesar 45,00% untuk
gabungan semua fitur. Rata-rata fitur emosi sendiri menghasilkan akurasi 38,12%, fitur sentimen
menghasilkan akurasi 38,95%, dan fitur sosial dengan akurasi 23,15%.