Pesatnya teknologi ditengah kehidupan masyarakat saat ini membuat banyak sekali masyarakat menggunakan media sosial untuk berinteraksi, salah satunya adalah Twitter dengan jumlah kurang lebih 63 juta pengguna di Indonesia. Dalam media sosial Twitter, terdapat fitur yang mempermudah masyarakat dalam menerima kabar berita yang sedang populer yaitu trending topics dan bisa memberikan komentar secara langsung. Peraturan pemerintah yang melarang masyarakat melakukan mudik lebaran pada tahun 2021 menimbulkan banyak pro dan kontra di masyarakat, maka dari itu dilakukan penelitian mengenai bagaimana sentimen terhadap larangan mudik lebaran tersebut. Analisis sentiment adalah teknik yang merupakan analisa studi komputasi mengenai pendapat dan emosi seseorang pada individu, kejadian ataupun topik yang sedang dibahas dimana salah satu metodenya yaitu Backpropagation Neural Network (BNN) sedangkan untuk pembobotannya digunakan metode Term Frequency-Inverse Document Frequency (TF­IDF). Salah satu bentuk data yang dapat digunakan dalam Analisis Sentimen yaitu Data tweet yang berisi komentar terhadap larangan mudik lebaran Tahun 2021 pada media sosial Twitter sebanyak 3.000 data yang kemudian setelah melalui proses preprocessing diambil 2.000 data dengan masing – masing 1.000 data dengan class Positif dan Negatif. Data kemudian dibobotkan menggunakan metode pembobotan TF-IDF, lalu dilakukan klasifikasi sentimen menggunakan metode BNN. Pada hasil pengujian parameter learning rate 0,1, 0,2, 0,3, 0,4 dan 0,5, diperoleh nilai akurasi terbaik pada saat menggunakan learning rate 0,1 dengan akurasi sebesar 82,95%.