<![CDATA[Penyedia layanan berita dalam menerbitkan berita seharusnya tidak boleh memiliki keberpihakan atau sentimen dalam hal politik untuk menjaga kualitas berita. Semakin dekatnya Pemilu Presiden dan wakil Presiden 2019 membuat gencarnya berita tentang Jokowi-Ma'ruf dan Prabowo-Sandi. Permasalahanya adalah bagaimana cara menentukan suatu teks berita memiliki sentimen positif atau negatif kepada salah satu kubu Jokowi-Ma'ruf atau Prabowo-Sandi dengan akurasi tinggi. Pada penelitian tugas akhir ini, penulis membuat dua sistem klasifikasi teks berita yang pertama untuk kubu Jokowi-Ma'ruf dan kedua untuk kubu Prabowo-Sandi menggunakan metode Support Vector Machine dengan pembobotan menggunakan metode TF-IDF. Penelitian ini menggunakan metode pembobotan TF-IDF pada semua kata yang telah dilakukan preprocessing lalu hasil pembobotan diolah menggunakan Support Vector Machine menggunakan tiga kernel yaitu radial basis function, linear, dan polynomial. Dari hasil percobaan pada model Support Vector Machine untuk kubu Jokowi-Maruf, hasil akurasi terbaik diperoleh dari skema data latih 90% dan data uji 10% menggunakan kernel linear dengan akurasi 93.33%. Untuk hasil percobaan model Support Vector Machine kubu Prabowo-Sandi, hasil akurasi terbaik diperoleh dari skema data latih 90% dan data uji 10% menggunakan kernel linear dengan akurasi 83.33%. Kata kunci : SVM, TF-IDF, kernel, radial basis function, polynomial, linear]]>
