Pemerintah Indonesia telah mengeluarkan kebijakan baru untuk membantu memantau penyebaran virus COVID-19 agar dapat ditangani secara efisien dengan melacak riwayat lokasi yang dikunjungi oleh masyarakat dengan memerintahkan kepada mereka untuk melakukan check-in dan check-out di ruang publik. Hal tersebut dilakukan dengan menggunakan PeduliLindungi sebagai aplikasi resmi dan terpusat, yang tersedia di Google Play Store dan Apple App Store. Twitter sebagai media sosial yang cukup populer digunakan di Indonesia menjadi media yang digunakan untuk berdiskusi dan menyampaikan pendapat terkait isu-isu yang hangat diperbincangkan, salah satunya yaitu penggunaan aplikasi PeduliLindungi untuk aktivitas ruang publik. Reaksi dan pendapat yang dikeluarkan oleh masyarakat pada platform Twitter tentu bermacam-macam, baik berupa pujian, cacian hingga saran dan kritik yang membangun. Pada penelitian ini dilakukan penggalian sentimen terhadap postingan atau tweets oleh masyarakat pada platform Twitter. Analisis sentimen yang dilakukan menggunakan pendekatan Machine Learning dengan algoritma Support Vector Machine (SVM) sebagai metode untuk mengklasifikasikan setiap tweets nya ke dalam dua sentimen, yaitu positif dan negatif. Penelitian ini mencoba melakukan eksperimen dalam menemukan model terbaik yang akan digunakan untuk melakukan klasifikasi. Model terbaik yang dihasilkan pada penelitian ini yaitu menggunakan algoritma SVM dengan metode pemisahan train dan test data yaitu metode Holdout rasio 70:30, dan metode SMOTE untuk menyeimbangkan datanya karena persebaran data kelas atau sentimen pada penelitian ini tidak seimbang. Model tersebut menghasilkan nilai accuracy sebesar 81.23%, precision sebesar 83.58%, recall sebesar 86.62%, F-1 score sebesar 85.07%, dan nilai AUC sebesar 0.881. Model tersebut digunakan untuk klasifikasi penentuan sentimen dari setiap tweets sehingga dapat diketahui tren persebaran sentimen masyarakat terhadap penggunaan aplikasi PeduliLindungi untuk aktivitas ruang publik pada media sosial Twitter periode Oktober 2021 hingga Juli 2022.