Bencana banjir di Sumatra pada 25 November hingga 10 Desember 2025 menimbulkan dampak sosial dan ekonomi yang besar serta memicu respons publik masif melalui komentar di Instagram Reels. Penelitian ini mengidentifikasi kecenderungan sentimen masyarakat terhadap respons pemerintah dalam penanganan bencana dan menganalisis kinerja Multinomial Naïve Bayes dalam klasifikasi sentimen teks komentar berbahasa Indonesia yang informal. Data dikumpulkan melalui scraping menggunakan ekstensi peramban Chrome, menghasilkan 1.047 komentar. Komentar tanpa label ahli atau dengan teks kosong dihapus menggunakan dropna(), sehingga tersisa 854 dokumen yang diproses melalui text cleaning, case folding, tokenizing, normalization, stopword removal, dan stemming. Fitur direpresentasikan dengan TF-IDF n-gram (1,3) sebanyak 500 fitur. Ketidakseimbangan kelas diatasi dengan ROS pada tiga skenario pembagian data: 70:30, 80:20, dan 90:10. Sentimen negatif mendominasi sebesar 58,90%, diikuti netral 27,05% dan positif 14,05%, mencerminkan ketidakpuasan masyarakat terhadap respons pemerintah. Skenario 70:30 menghasilkan kinerja terbaik: akurasi 62,26%, precision 56,38%, recall 57,42%, dan F1-Score 55,86%. Pengujian pada 299 data unseen mencatat akurasi 61,87%, menunjukkan kemampuan generalisasi yang cukup baik. Kombinasi Multinomial Naïve Bayes, TF-IDF, dan ROS terbukti efektif untuk analisis sentimen komentar media sosial berbahasa Indonesia