Penelitian ini membandingkan kinerja metode Long Short-Term Memory (LSTM) dan Multinomial Na ̈ıve Bayes dalam memprediksi tipe kepribadian individu berdasarkan Myers-Briggs Type Indicator (MBTI) dari data unggahan di media sosial. LSTM merupakan metode pembelajaran mendalam yang mampu menangkap pola temporal dalam data teks, sementara Multinomial Na ̈ıve Bayes adalah metode klasifikasi sederhana yang memanfaatkan asumsi probabilitas. Hasil pengujian menunjukkan bahwa LSTM mencapai akurasi pada dimensi pertama sebesar 50.7%, dimensi kedua sebesar 72.8%, dimensi ketiga sebesar 55.2%, dan dimensi keempat sebesar 53.9%. Sedangkan Multinomial Na ̈ıve Bayes akurasi pada dimensi pertama sebesar 48.3%, pada dimensi kedua sebesar 52.8%, pada dimensi ketiga sebesar 49.7% dan pada dimensi keempat sebesar 51.4%. Secara keseluruhan, LSTM dan Multinomial Na ̈ıve Bayes menunjukkan kinerja yang kompetitif dalam memprediksi tipe kepribadian MBTI dari data media sosial, dengan LSTM yang menonjol dalam menangani pola temporal dan Multinomial Na ̈ıve Bayes menunjukkan kekuatannya dalam klasifikasi yang sederhana dan efisien.