Dalam bidang bisnis, opini konsumen dapat digunakan untuk membantu perusahaan dalam menentukan kebijakan. Kebijakan tersebut dapat berupa perbaikan produk atau layanan agar dapat meningkatkan loyalitas konsumen. Metode yang dapat digunakan untuk mengetahui opini konsumen adalah analisis sentimen. Penelitian ini merupakan penelitian kuantitatif tentang fine-grained sentiment analysis yang mengekstrak sentimen dari Twitter dengan studi kasus pada salah satu perusahaan telekomunikasi terkemuka yaitu PT. Indosat Tbk. dengan menerapkan algoritma K-Nearest Neighbor dan Naïve Bayes Classifier. Alur penelitian ini berdasarkan Metode SEMMA (Sample, Explore, Modify, Model, dan Assess). Pada tahap sample, dilakukan proses crawling dataset berupa tweet dengan memanfaatkan Twitter API. Selanjutnya pada tahap explore dilakukan eksplorasi atribut dari dataset. Tahap modify merupakan tahap preprocessing agar dataset lebih terstruktur. Setelah itu adalah tahap model untuk menerapkan metode lexicon based untuk pemberian kelas sentimen pada dataset, lalu dilakukan pembobotan kata dengan TF-IDF untuk kemudian diklasifikasi menggunakan metode K-Nearest Neighbor dan Naïve Bayes Classifier. Tahap terakhir adalah assess menggunakan confussion matrix dan k-fold cross validation. Untuk metode K-Nearest Neighbor didapatkan optimal k=7 dengan menghasilkan akurasi 81%, sementara untuk metode Naïve Bayes Classifier hasil hyperparameter alpha terbaik adalah 23,4 menghasilkan akurasi 78%. Penelitian ini menunjukkan bahwa sentimen masyarakat terhadap layanan internet PT. Indosat Tbk. pada 7 Februari – 14 Maret 2022, menghasilkan lebih banyak sentimen negatif daripada sentimen positif. Sementara itu faktor-faktor yang mempengaruhi kinerja suatu algoritma adalah jumlah data, penggunaan fitur pembobotan dan penggunaan parameter.
Kata Kunci: Fine-Grained Sentiment Analysis, Lexicon Based, TF-IDF, K-Nearest Neighbor, Naïve Bayes Classifier, Confusion Matrix, Layanan Internet, Indosat.