Transportasi online kian menarik perhatian dan minat masyarakat untuk dijadikan salah satu kebutuhan yang dapat memudahkan aktivitas sehari-hari. Maxim merupakan salah satu transportasi online yang menepati urutan ketiga jasa transportasi online yang paling sering digunakan. Berdasarkan hasil pemeringkatan jasa transportasi online tersebut, maka pihak Maxim dapat meningkatkan pelayanan berdasarkan dari ulasan pengguna aplikasi Maxim melalui metode analisis sentimen yang bertujuan untuk mengolah sejumlah besar data secara selektif dan efisien dengan mengelompokkan ke dalam dua ulasan yaitu sentimen positif dan sentimen negatif menggunakan algoritma Naïve Bayes. Tahap untuk melakukan analisis sentimen dibagi menjadi empat bagian diantaranya yaitu pengumpulan data, preprocessing, modelling, dan evaluasi. Pada penelitian ini, menggunakan tiga skenario rasio pembanding training testing yaitu 60:40, 70:30, dan 80:20. Hasil modelling dengan menggunakan model Multinomial Naïve Bayes menunjukkan bahwa ketiga rasio tersebut mempunyai nilai akurasi di atas 85% dan menghasilkan model terbaik pada rasio 70:30. Hasil evaluasi berdasarkan model terbaik dilakukan melalui confusion matrix dengan nilai akurasi sebesar 87,22%, nilai recall sebesar 98,49%, nilai precision sebesar 86,62%, dan f1 score menghasilkan nilai sebesar 92,17%. Berdasarkan dari hasil visualisasi sentimen didapatkan hasil ulasan pengguna aplikasi Maxim cenderung mengarah ke sentimen positif dengan jumlah ulasan positif sebesar 76% dan sentimen negatif sebanyak 24%. Sehingga, hasil kategori sentimen positif dan negatif dapat dijadikan bahan evaluasi kepada pihak developer sebagai bentuk peningkatan layanan aplikasi Maxim. Misalnya, peningkatan dari segi pelacakan lokasi yang belum sepenuhnya terdeteksi secara akurat oleh sistem.
Kata kunci—Analisis Sentimen, Transportasi Online, Naïve Bayes