Internet telah menyediakan teknologi informasi untuk mempelajari masalah-masalah yang berhubungan dengan kesehatan. Munculnya media sosial memberikan cara alternatif untuk bertukar informasi dan membentuk opini tentang isu-isu yang berhubungan dengan kesehatan. Pergerakan anti-vaksin merupak-an salah satu penyebab dalam mengurangi tingkat penerimaan vaksin dan dalam meningkatkan wabah yang terjadi dengan opininya. Sentimen masyarakat dapat digunakan sebagai indikator untuk menda-patkan informasi tentang pergerakan anti-vaksin dari media sosial Twitter. Tugas Akhir ini dilakukan un-tuk mengekstrak informasi tentang sentimen di Twitter, dilakukan penggalian data kemudian preprocessing dengan tokenizing, normalization, case folding, dan stemming. Dalam sistem ini menggunakan pendekat-an SentiStrength dengan ekstrasi fitur untuk mengkalsifikasi sentimen ke dalam kelas positif, negatif dan netral. Hasil yang diperoleh melalui implementasi dan pengujian sistem menerima data Twitter secara kese-luruhan berjumlah 558. Penelitian ini memiliki nilai akurasi 70,29% dengan nilai precision (positif) 71,72%, precision (negatif) 63,64%, recall (positif) 89,71%, recall (negatif) 33,73%, f-measure (positif) 79,71%, dan f-measure (negatif) 79,71% Hasil ini cukup bagus sebagai titik awal untuk penelitian lebih lanjut. Penelitian ini diharapkan dapat memicu penelitian lain dalam analisis sentimen menggunakan SentiStrength, terutama untuk bahasa Indonesia.
Kata kunci : analisis sentimen, anti-vaksin, penambangan teks, SentiStrength, twitter