<![CDATA[AbstrakCalon presiden dan wakil presiden pada pemilihan umum tahun 2019, terdiri dari petahana dan salah satucalon presiden yang baru. Petahana telah bekerja selama 4 tahun untuk membangun Indonesia. Dalammasa kepemimpinannya banyak program kerja yang telah dikerjakannya. Berbagai penilaian terhadaphasil kerjanya bermunculan. Ada yang pro, tetapi juga ada yang kontra dengan hasil kerja petahana.Sosial media Twitter merupakan salah satu platform yang sering digunakan untuk menyampaikanberbagai penilaian terhadap hasil kerja petahana. Informasi yang terdapat pada Twitter berupa pertanyaan,opiniataukomentar,baikyangbersifatpositifmaupunnegatif.Setiaptweetyangmenyatakanapresiasimaupunpenolakanmerupakanbentukekspresidarimasyarakatsebagairesponterhadaphasilkerjapetahana.Dalampenelitianini,dibangunsebuahsistemyangdapatmengklasifikasikantweetberdasarkansentimentmasyarakatterhadaphasilkerjasangpetahanaberdasarkantweet.UntukmengklasifikasikansentimenberdasarkanparameternyadigunakanmetodeSupportVectorMachine(SVM)sebagaiclassifiernya.Hasilyangdidapatkanbahwaskenario3(kombinasiTF-IDF+Stemming)danskenario8(kombinasiWordCount+Stemming)memilikiakurasibaikyaitu81,58%dan77,56%. Katakunci:supportvectormachine,sentimen,twitter,pilpres  AbstractPresidentialandvicepresidentialcandidatesinthe2019generalelection,consistingofincumbentandoneofthenewpresidentialcandidates.Incumbenthasworkedfor4yearstodevelopIndonesia.Inhisleadershipprogrammanyworkprogramshehasdone.Variousconsiderationsontheresultsofdiscussionsemerged.Therearepros,buttherearealsoconswiththeworkofincumbents.SocialmediaTwitterisoneofplatformthatisoftenusedtopresentvariousassessmentsofincumbent'swork.InformationsuggestedonTwitterincludesquestions,opinionsorcomments,bothpositiveandnegative.Everytweetthatexpressesappreciationisalsoaformofresponsefromthecommunityinresponsetotheincumbent'swork.Inthisstudy,asystemwasbuiltthatcouldclassifytweetsbasedoncommunitysentimenttowardstheincumbent'sworkbasedon tweets. To classify sentiments based on their parameters the Support Vector Machine (SVM)method is used as the classifier. The results obtained were scenario 3 (TF-IDF + Stemming combination)and scenario 6 (Word Count + Stemming combination) have good accuracy that is 81,58% and 77,56%.Keywords: support vector machine, sentiment, twitter, general election]]>
