Perkembangan sosial media pada zaman modern saat ini sangat pesat dimana masyarakat sangat aktif secara digital berinteraksi dengan satu sama lain. Masyarakat yang memiliki minat yang sama atau sekadar suka berada dalam komunitas seringkali berkumpul dalam suatu grup online, terutama di Facebook. Tidak terkecuali alumni Universitas Telkom yang secara aktif berdiskusi dan berbagi informasi di grup Facebook Forum Alumni Universitas Telkom (FAST). Dengan menggunakan status-status pada grup tersebut, analisis sentiment dan topik diskusi dapat dilakukan untuk menentukan apakah polaritasnnya positif, netral, atau negatif. Selain itu, dengan pemodelan topik dapat diekstraksi topik apa saja yang sering didiskusikan dalam grup. Dalam penelitian ini, analisis sentiment dilakukan menggunakan metode Support Vector Machine (SVM). Proses klasifikasi meliputi pembobotan dengan TF-IDF dan pengukuran performansi dengan confusion matrix. Beberapa scenario pengujian pun dilakukan untuk mendapatkan nilai akurasi terbaik. Berdasarkan pengujian yang sudah dilakukan terhadap Teknik preprocessing dan penambahan fitur ekstraksi n-gram, didapatkan nilai akurasi tertinggi sebesar 80.56%. Hasil tersebut menunjukkan bahwa performansi terbaik didapatkan dengan mengkombinasikan teknik preprocessing tanpa proses stopword removal dan fitur ekstraksi unigram. Selain itu, topik-topik yang didiskusikan berdasarkan hasil pemodelan topik berkaitan dengan telekomunikasi dan Talkom, Indonesia, alumni, dan FAST.