Stemming merupakan bagian penting dari proses preprocessing dalam pengerjaan analisis sentimen. Pada penelitian sebelumnya, permasalahan stemming untuk overstemming dan understemming belum dapat diselsaikan menggunakan algoritma stemming Bahasa Indonesia. Studi ini menganalisis dan mengukur akurasi dari pengaruh stemming Bahasa Indonesia melalui analisis sentimen dari data media twitter. Selanjutnya studi akan membandingkan pengaruh akurasi antara tiga kondisi, yaitu proses analisis sentimen tanpa menggunakan stemming, proses analisis sentimen dengan menggunakan proses stemming dengan algoritma Nazief Adriani, dan proses sentimen menggunakan stemming Sastrawi. Penelitian ini mengumpulkan 2500 tweets dari Juli 2018 hingga Desember 2018 dengan menggunakan kata kunci Gojek. Lalu, kami memproses tweet dan memberikan pelabelan secara manual sebelum dilakukan praproses dan membandingkan pengaruh tanpa stemming, dan algoritma yang telah disebutkan diatas, lalu ketiganya akan diekstraksi fitur menggunakan unigram, bigram dan unigram bigram, kemudian akan dikelompokkan menggunakan algoritma SVM. Lalu dilakukan pengujian melalui confusion matrix antara kelompok data tersebut untuk mengevaluasi akurasi. Hasil dalam penelitian ini menunjukkan stemming Sastrawi cenderung lebih meningkatkan akurasi sebanyak 0.604% dibanding tidak menggunakan stemming maupun menggunakan stemming Nazief Adriani. Stemming Sastrawi juga dapat mengatasi permasalahan overstemming dan understemming, namun belum bisa mengatasi permasalahan word sense disambiguation.