Twitter merupakan salah satu platform media sosial yang memberikan kebebasan pada user untuk membagikan opininya. Tidak sedikit nasabah bank BCA membarikan pengalamannya di twitter, pengalaman yang dituliskan memiliki nilai sentimen yang berupa sentimen negatif, positif, atau netral. Pelayanan bank sangat mempengaruhi reputasi perusahan, dimana pelayanan yang baik akan membuat nasabah dengan senang hati menitipkan uang mereka pada perusahaan, begitupun sebaliknya. Dalam tugas akhir ini, penulis akan membangun sistem yang dapat mengklasifikasi nilai sentimen menggunakan metode Random Forest dan dioptimasikan dengan metode Boosting. Metode Random Forest digunakan karena mempunyai atribut yang banyak sehingga menghasilkan pohon keputusan dan metode Boosting untuk memperkuat hasil akurasi dari pemodelan sebelumnya. Pemodelan Boosting yang digunakan untuk penelitian ini adalah Adaptive Boosting. Penelitian ini dilakukan untuk mengetahui opini pelayanan bank BCA pada pengguna Twitter. Tahapan penelitian untuk mengetahui tingkat akurasi ini melalui tahap pengambilan data, pengolahan data, klasifikasi dengan metode yang dipilih, dan Evaluasi. Terdapat 2 pemodelan yang dilakukan sehingga dapat dibandingan kedua perfoma antara 2 pemodelan tersebut. Dari hasil evaluasi metode Random Forest memiliki tingkat akurasi sebesar 77% dan metode Boosting memliki tingkat akurasi sebesaar 82%. Diketahui bahwa Boosting memiliki tingkat akurasi lebiih tinggi 5% dibandingkan Random Forest. Hal ini terjadi karena Adaptive Boosting dapat menoleransi terjadinya data noise.