Twitter adalah media sosial dimana user-nya sering mendapatkan sebuah informasi dari berbagai bidang. Permasalahan pada media sosial Twitter sangat beragam. Contohnya, pada bidang politik di Indonesia yang sedang membahas kinerja Presiden Indonesia beserta jajarannya yang tidak baik, sehingga mahasiswa dan masyarakat melakukan aksi demo di DKI Jakarta. Yang diinginkan mereka yaitu Presiden Indonesia mundur dari jabatannya. Saat masalah tersebut sedang trending, terdapat user yang memiliki perilaku yang bersifat positif (pujian) dan negatif (hujatan), sehingga hal ini menarik untuk dibahas pada penelitian ini. Sebelum tahapan metode, dilakukan data preprocessing agar data yang akan digunakan menjadi lebih efisien. Pembobotan kata juga dilakukan menggunakan TF-IDF Vectorizer. Metode clustering dengan algoritma Mean Shift diterapkan dalam proses identifikasi perilaku user berdasarkan jenis tweet. Metode tersebut dapat menemukan informasi dari sekumpulan data yang sangat besar dalam waktu yang singkat. Berdasarkan algoritma tersebut, hasil yang didapatkan 67 cluster dari algoritma Mean Shift. Dari total 67 cluster yang didapatkan, diambil sebanyak 5 cluster untuk mengidentifikasi perilaku user. Perilaku user pada cluster 0, 2, 3, dan 4 adalah negatif karena membahas topik masyarakat yang ingin Presiden RI segera mundur dari jabatannya. Sedangkan perilaku user pada cluster 1 adalah positif karena topik yang dibahas hanya memberitahukan bahwa masyarakat Lampung sudah berada di Jakarta.
Kata Kunci: Mean Shift; Politik; Centrality; TF-IDF Vectorizer; Perilaku User.