Setelah cukup lama dilanda COVID-19 di seluruh dunia yang mengakibatkan lumpuhnya semua negara terutama aspek ekonomi semua negara yang turun drastis, dunia kembali dikejutkan dengan konflik antara Rusia dan Ukraina yang mengakibatkan naiknya harga minyak dunia termasuk di Indonesia, banyak masyarakat yang mengeluh dan menentang kebijakan pemerintah yang menaikan harga BBM karena BBM berpengaruh terhadap berbagai aspek termasuk aspek ekonomi. Berdasarkan permasalahan tersebut, peneliti menggunakan metode analisis sentimen yang bertujuan untuk mengetahui pendapat masyarakat terhadap isu yang sedang hangat diperbincangkan di seluruh Indonesia dan penelitian ini berfokus pada perbandingan algoritma SVM dengan ekstraksi fitur TF-IDF kemudian menggunakan K-Fold Cross Validation setelah itu dibandingkan dengan kamus Lexicon Inset, dalam hal ini model dengan Lexicon Inset yang berisi pembobotan pada setiap kata. Pada penelitian ini didapatkan hasil bahwa model dataset menggunakan algoritma SVM dengan ekstraksi fitur TF-IDF kemudian menggunakan K-Fold Cross Validation didapatkan rata-rata akurasi sebesar 0.85 dengan menggunakan algoritma SVM. Sedangkan model dengan menggunakan dataset pelabelan otomatis menggunakan leksikon sentimen bahasa Indonesia (Lexicon Inset) diperoleh rata-rata akurasi sebesar 0.68. Klasifikasi menggunakan SVM dengan ekstraksi fitur TF-IDF lebih unggul dibandingkan dengan menggunakan Lexicon Inset.