Pertumbuhan pengguna aktif di media sosial sangat berkembang pesat. Pengguna aktif media
sosial sering mengutarakan pendapatnya terhadap sebuah layanan atau produk melalui media
sosial ternama seperti tweeter, Instagram, Tripadvisor, sehingga pendapat atau ulasan sangat
banyak ditemukan pada media sosial. Ulasan dapat dijadkan sebagai penilaian penting dan
bermanfaat jika dikelola dengan baik. Membaca ulasan yang banyak di media sosial
membutuhkan waktu yang cukup lama, maka dari itu membutuhkan klasifikasi sentiment yang
dapat mengelompokkan menjadi dua kelas yaitu kelas positif dan negative. Metode klasifikasi yang
digunakan adalah Support Vector Machine yang memiliki kemampuan untuk menerapkan
pemisah linear pada input data non linear berdimensi tinggi yang diperoleh dengan menggunakan
fungsi kernel yang dibutuhkan. Untuk mendukung suatu penelitian agar lebih maksimal, terdapat
seleksi fitur yang akan digunakan untuk mereduksi fitur-fitur sehingga proses kalsifikasi lebih
efektif dan efisien. Seleksi fitur yang akan digunakan adalah Query Expansion Ranking yang dapat
memaksimalkan hasil akurasi. Hasil yang di dapatkan dari penilitian ini adalah nilai akurasi
tertinggi dengan penggunaan kernel Polinomial dan RBF pada penggunaan Rasio 75%.