GeNose merupakan alat pendeteksi virus COVID-19 hanya dengan hembusan nafas yang dibuat oleh Universitas Gadjah Mada dan merupakan inovasi pertama buatan Indonesia. Sejak hadirnya GeNose di tengah masyarakat tentu terdapat pro dan kontra, sehingga penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap GeNose dengan data tweet dari media sosial Twitter. Dataset yang didapatkan sebanyak 3590 tweet dengan label sentimen netral, tidak relevan, positif dan negatif. Kemudian dari 3590 tweet yang digunakan hanya 637 tweet, diantaranya 287 tweet bersentimen positif dan 350 tweet bersentimen negatif. Penelitian ini menggunakan model CRISP-DM (Cross-Industry Standard Process for Data Mining) dan algoritma yang digunakan pada penelitian ini adalah K-Nearest Neighbor, Decision Tree dan Naïve Bayes untuk membandingkan performa dari ketiga algoritma tersebut dengan operator Cross Validation menggunakan RapidMiner. Hasil dari penelitian yang telah dilakukan menunjukkan performa dari algoritma Naïve Bayes cukup baik dengan nilai accuracy sebesar 72.36%, precision 66.91%, recall 77.97%. Sedangkan algoritma K-Nearest Neighbor mendapatkan nilai accuracy sebesar 64.22%, precision 61.79%, recall 55.15%. Selanjutnya algoritma Decision Tree mendapatkan nilai accuracy sebesar 65.15%, precision 86.89%, recall 27.13%. Penelitian ini bisa menjadi referensi untuk meningkatkan sosialisasi tentang GeNose untuk meminimalisir sentimen negatif masyarakat.Kata kunci; K-Nearest Neighbor, Decision Tree, Naïve Bayes, GeNose