Dalam era digital ini, penggunaan internet di Indonesia terus meningkat pesat, internet menjadi penting dalam kehidupan sehari-hari, seperti sosialisasi, pendidikan, bisnis, dan hiburan. Oleh karena itu, layanan internet cepat dan berkualitas menjadi sangat penting bagi pengguna. Seiring pertumbuhan penggunaan internet, media sosial, termasuk Twitter, menjadi sarana penting untuk memperoleh informasi. Di Indonesia, Twitter memiliki lebih dari 24 juta pengguna. Melalui media sosial Twitter, pengguna dapat mengungkapkan pendapatnya dalam bentuk positif maupun negatif. Dengan banyaknya data tweet di Twitter, analisis sentimen menjadi penting untuk mengklasifikasikan informasi ini. Sehingga opini yang tersebar di media sosial menghasilkan data yang bermanfaat. Dalam penelitian ini menggunakan, metode K-Nearest Neighbors (KNN) digunakan untuk mengklasifikasikan sentimen tweet menjadi positif atau negatif. Penelitian ini menggunakan 1000 data tweet yang diperoleh melalui web scraping. Data diberi label menggunakan metode Lexicon Based dengan kamus InSet. Setelah proses text preprocessing, bobot nilai diterapkan menggunakan TF IDF. Dengan K=3, accuracy sebesar 77%, precision sebesar 78%, dan recall sebesar 75% dan f1-score sebesar 76%. Hasil akhir berupa dashboard yang memvisualisasikan hasil analisis sentimen dari data ini.