Dengan menggunakan fitur microblogging Twitter, pengguna dapat memposting tweet singkat dengan karakter terbatas yang mengungkapkan pemikiran dan pendapat mereka terkait suatu hal. Transportasi terbaru di Indonesia, kereta cepat bernama Whoosh menjadi salah satu hal yang ditanggapi pengguna Twitter. Transportasi terbaru ini menyebabkan munculnya opini dari masyarakat Indonesia yang dibagikan secara publik di berbagai media, salah satunya pada media sosial. Oleh karena itu, untuk memudahkan pemahaman pebisnis atau perusahaan terhadap opini masyarakat mengenai perbaikan pelayanan di masa depan, maka diperlukan analisis sentimen pada media sosial untuk mengetahui opini pengguna terhadap transportasi kereta cepat. Dalam penelitian ini akan dilakukan analisis sentimen pengguna kereta cepat pada sosial media Twitter dengan Word2Vec dan Naïve Bayes sebagai metode klasifikasi. Dalam penelitian ini juga akan dilakukan perbandingan model-model Naïve Bayes untuk mengetahui model peluang metode Naïve Bayes yang terbaik. Secara bersamaan, metode ekstraksi fitur Word2vec dipilih karena Word2Vec dapat digunakan untuk memperbaiki kinerja model dan meningkatkan akurasi klasifikasi sentimen. Penelitian ini menemukan bahwa model Word2Vec Skip-Gram mengungguli model Word2Vec CBOW. Model terbaik yang diperoleh adalah penggunaan model Gaussian Naïve Bayes dan Word2Vec Skip-Gram dengan skor accuracy 77,18%, precision 70,35%, recall 76,09%, dan f1-score 73,10%.