Volume 9 Nomor 1 halaman 79 – 89 e ISSN: 2654-9735, p ISSN: 2089-6026 Analisis Sentimen Pengguna Twitter Terhadap Program Vaksinasi Covid-19 di Indonesia Menggunakan Algoritme Support Vector Machine Sentiment Analysis of Twitter Users on COVID-19 Vaccination Program in Indonesia using Support Vector Machine Algorithm QARRY ATUL CHAIRUNNISA 1 , YENI HERDIYENI 1 , MEDRIA KUSUMA DEWI HARDHIENATA 1* , JULIO ADISANTOSO 1 Abstrak Kebijakan vaksinasi COVID-19 di Indonesia menimbulkan pro dan kontra. Pemerintah harus mengevaluasi alasan masyarakat yang kontra terhadap kebijakan tersebut, agar program vaksinasi dapat berjalan dengan lancar. Analisis sentimen sebagai cara untuk melihat polaritas opini, memungkinkan untuk mengklasifikasi tanggapan positif, negatif maupun netral di Twitter terkait kebijakan vaksinasi tersebut. Penelitian ini bertujuan untuk mengetahui tanggapan masyarakat terhadap vaksinasi COVID-19 dengan melihat distribusi kata dan membuat model klasifikasi support vector machine (SVM). Analisis sentimen terdiri dari beberapa tahapan yaitu pengumpulan data, praproses data, pembobotan data, analisis data, pembagian data, pemodelan klasifikasi, hyperparameter tuning, dan evaluasi model. Model yang dihasilkan menunjukkan kinerja yang cukup optimal dalam mengklasifikasi sentimen dengan akurasi, presisi, recall, dan f1-score sebesar 90%. Hasil dari sentimen analisis yang diperoleh ialah berupa gagasan, keluhan, dan saran terhadap program vaksinasi COVID-19. Kata kunci: analisis sentimen, COVID-19, support vector machine, vaksinasi, twitter Abstract The COVID-19 vaccination policy in Indonesia turns out to be both pros and cons. The government must evaluate the underlying reason of why some people are against the policy, so that the vaccination program can run smoothly. Sentiment analysis as a way to see the polarity of opinion, makes it possible to classify positive, negative or neutral responses on Twitter regarding the vaccination policy. This study aims to determine the public's response to COVID-19 vaccination by examining word distribution and creating a support vector machine (SVM) classification model. The sentiment analysis conducted in this study consists of several stages, namely data collection, data preprocessing, data weighting, data analysis, data sharing, classification modeling, hyperparameter tuning and model evaluation. The results of this study are a model with a relatively optimal performance in classifying sentiment with an accuracy, precision, recall and f1-score of 90%. The results of the sentiment analysis obtained are in the form of ideas, complaints, and suggestions regarding the COVID-19 vaccination program. Keywords: COVID-19, sentiment analysis, support vector machine, vaccination PENDAHULUAN Penyakit virus Corona baru atau yang disebut dengan SARS-CoV-2 telah dilaporkan pertama kali ditemukan di China pada bulan Desember 2019 (Xueting et al. 2020). Pada tanggal 2 Maret 2020, kasus pertama virus tersebut ditemukan di Indonesia (Nuraini 2020). Virus Corona terus menyebar, hingga pada tanggal 19 Oktober 2020 Indonesia ditetapkan 1 Departemen Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam, Institut Pertanian Bogor, Bogor 16680 *Penulis Korespondensi. Surel: medria.hardhienata@apps.ipb.ac.id Tersedia secara online di: http://journal.ipb.ac.id/index.php/jika