Jumlah data mengalami pertumbahan yang sangat cepat dalam era sekarang ini. Data dapat berupa text, gambar, suara, dan video. Media sosial menjadisalah satu faktor pertumbuhan data, setiap orang berekspresi, beropini dan mengeluh di media sosial.
Dalam tugas akhir ini dilakukan analisis sentimen menggunakan dua metode yaitu Support Vector Machine dan Maximum Entropy. Langkah pertama adalah dilakukan penambangan data menggunakan twitter API dengan keyword masing-masing adalah nama calon dalam pilkada DKI. Setelah mengumpulkan data, dilakukan proses preprocessing, setelah proses preprocessing dilakukan pengambilan fitur pada setiap tweet, fitur yang didapatkan kemudian dikumpulkan menjadi sebuah list fitur. List fitur kemudian ditransformasikan menjadi feature vector dengan bentuk binary kemudian ditransformasikan menggunakan metode Tf-idf. Dataset terdiri dari 2 data yaitu training dan testing. Training diberikan label secara manual. Untuk pengujian performa algoritma digunakan metode K-Fold Cross Validation.
Hasil pengujian adalah akurasi yang diperoleh mencapai rata-rata 75% dengan komposisi data training dan data uji 90:10. Kernel yang paling optimal dalam pengujian adalah kernel linier. Perubahan jumlah folding tidak berpengaruh terhadap tingkat akurasi. Metode Support Vector Machine lebih baik digunakan daripada Maximum Entropy, untuk melakukan analisis sentimen.
Kata kunci : Support Vector Machine, Maximum Entropy, Text Mining