Salah satu upaya yang dinilai cukup efektif untuk mengatasi pandemic COVID-19 dalam upaya menekan permasalahan kesehatan akibat virus corona adalah dengan pemberian vaksin. Pemberian vaksinasi menimbulkan kekhawatiran di kalangan masyarakat karena memiliki efek samping ringan. Respon kekhawatiran tersebut biasanya diekspresikan ke dalam media sosial, mayoritas dari masyarakat memberikan respon dan opini terhadap kekhawatiran terkait vaksinasi melalui media sosial, salah satu media sosial yang digunakan sebagai pilihan untuk menyampaikan respon dan opini tersebut adalah Twitter. Penelitian ini bertujuan untuk mengidentifikasi kata yang paling sering muncul, mengkategorikan setiap opini yang muncul ke dalam kategori sentimen positif dan negatif, serta mengetahui akun-akun Twitter yang berpengaruh terkait program vaksinasi COVID-19. Metode yang digunakan adalah analisis sentimen dibantu dengan tiga algoritma mechine learning yaitu Naive Bayes Classifier, Decision Tree dan K-Nearest Neighbors, lalu analisis Word Cloud dan Social Network Analysis. Hasil klasifikasi berdasarkan emosi terbentuk 5 ekspresi fear, sadness, surprise, joy, dan anger dengan emosi kata terbanyak adalah emosi anger (amarah), artinya mayoritas respon masyarakat terhadap program vaksinasi COVID-19 diidentifikasikan oleh R Studio sebagai wujud kemarahan. Model Naive Bayes Classifier memberikan hasil Accuracy sebesar 84.75%, model Decision Tree memberikan hasil Accuracy sebesar 85.08% dan KNN memberikan hasil Accuracy sebesar 87.48%. Metode Social Network Analysis menghasilkan aktor yang berperan penting di dalam jaringan diketahui aktor tersebut adalah user @jokowi. Kata kunci: Vaksinasi, sentiment analysis, social network analysis