Analisis sentimen merupakan metode penting untuk memahami pandangan dan emosi dari pengguna media sosial terkait suatu peristiwa atau topik tertentu. Dalam konteks analisis sentimen, fenomena tagar “#UsutTuntasTragediKanjuruhan” menjadi perhatian karena melibatkan peristiwa tragis yang menarik perhatian masyarakat luas. Penelitian ini bertujuan untuk mengaplikasikan metode klasifikasi SVM, Logistic Regression, dan Naive Bayes dalam analisis sentimen tagar “#UsutTuntasTragediKanjuruhan” di platform Twitter. Dataset terdiri dari sejumlah data sentimen yang dikategorikan menjadi positif, netral, dan negatif menggunakan TF-IDF sebagai teknik ekstraksi fitur. Hasil eksperimen menunjukkan bahwa metode SVM secara keseluruhan memberikan nilai akurasi dan F1-Score yang lebih tinggi dibandingkan dua metode lainnya. Kesimpulannya, penelitian ini memberikan wawasan penting dalam memilih metode klasifikasi yang sesuai untuk analisis sentimen pada fenomena “#UsutTuntasTragediKanjuruhan”. Meskipun SVM menawarkan nilai akurasi dan F1- Score yang lebih tinggi, pilihan metode harus dipertimbangkan berdasarkan aspek khusus, seperti evaluasi kinerja dalam menghadapi sentimen yang beragam atau ketidakseimbangan distribusi pada data.