Analisis sentimen adalah suatu cara untuk mengekstrak emosi dari suatu teks. Tujuan dari analisis
sentiment ini adalah untuk mengetahui sentiment positif atau negatif dalam suatu tweet dari twitter
mengenai pemilihan Presiden Amerika 2020. Salah satu cara untuk menentukannya adalah dengan
melakukan klasifikasi teks. Dengan melakukan klasifikasi teks, kita dapat melakukan prediksi sentimen
dari suatu tweet. Namun terdapat suatu masalah yaitu banyaknya atribut yang dimiliki oleh suatu teks.
Oleh karena itu dilakukan seleksi fitur menggunakan metode TF-IDF (Term Frequency – Inverse
Document Frequency). TF-IDF merupakan teknik pembobotan suatu kata dalam dokumen. Pada
penelitian ini peneliti mencoba membandingkan 2 algoritma klasifikasi yaitu Naïve Bayes dan Support
Vector Machine. Hasil evaluasi menggunakan cross-validation dengan nilai K sebesar 10 serta
menggunakan mean approach menunjukkan bahwa model memberikan hasil akurasi terbaik sebesar
82% menggunakan kernel linear. Berdasarkan 10000 data tweet mengenai Donald Trump dengan akurasi
terbaik 82% model berhasil memprediksi 36.88% orang memiliki pandangan netral terhadap Trump,
30.78% orang memilki pandangan positif terhadap Trump, dan 32.34% memiliki pandangan pandangan
negatif terhadap Trump. Lalu 10000 data tweet mengenai Joe Biden, model berhasil memprediksi atau
42.39% orang memiliki pandangan netral terhadap Biden, 29.62% orang memilki pandangan positif
terhadap Biden, dan 27.99% memiliki pandangan pandangan negatif terhadap Biden