Dalam penanganan penyebaran Covid-19, beberapa negara memberlakukan kebijakan social distancing dan lockdown. Di Indonesia, salah satu kebijakan yang diambil adalah pembatasan sosial berskala besar (PSBB). Akibat dari PSBB banyak kegiatan ekonomi seperti produksi hingga distribusi barang dan jasa terganggu. Salah satu cara melihat opini masyarakat dalam menilai PSBB adalah melalui social media Twitter. Selain dapat mengetahui opini masyarakat, kicauan atau tweets juga dapat dimanfaatkan untuk melakukan analisis sentimen. Oleh karena itu, penelitian ini bertujuan untuk : 1) melakukan analisis sentimen masyarakat terkait PSBB DKI Jakarta jilid II; 2) melihat dampak sentimen tersebut terhadap pergerakan IHSG; 3) membandingkan hasil klasifikasi beberapa metode yaitu regresi logistik, k-nearest neighbor, random forest, dan naïve bayes. Scraping data Twitter periode 8 September - 9 Oktober dilakukan dengan memanfaatkan software Orange dan RStudio. Selanjutnya, analisis sentimen dengan Orange mengklasifikasikan sentiment menjadi kelompok positif dan negatif. Lalu dibentuklah model persamaan regresi logistik biner. Hasil regresi logistik menunjukkan sentimen negatif berpengaruh signifikan dalam memprediksi penurunan IHSG, sedangkan sentimen positif tidak signifikan dalam model. Dan dari perbandingan metode klasifikasi, ditemukan bahwa metode regresi logistik menghasilkan akurasi paling tinggi.