Coronavirus desease atau COVID-19 yang pertama kali muncul di Wuhan, China pada akhir bulan Desember 2019 ini telah ditetapkan menjadi pandemi global pada 11 Maret 2020 oleh World Health Organization (WHO). Pembatasan Sosial Berskala Besar (PSBB) diberlakukan untuk mengurangi penyebaran virus. Kemendikbud kemudian mengeluarkan Surat Edaran nomor 4 tahun 2020 mengenai pelaksanaan kebijakan pendidikan dalam masa darurat penyebaran COVID-19. Selama proses perkuliahan jarak jauh (kuliah online) ini, berbagai sentimen diberikan oleh masyarakat pada media sosial Twitter, ada yang senang dan ada pula yang tidak senang terhadap kebijakan kuliah online ini. Pro dan kontra terhadap pemberlakuan perkuliahan jarak jauh ini dapat dilihat dari beragamnya reaksi masyarakat yang dituangkan pada media sosial Twitter. Analisis sentimen diperlukan untuk mengetahui bagaimana sentimen masyarakat terhadap pemberlakuan perkuliahann jarak jauh ini. Penelitian ini juga bertujuan untuk mengetahui performa dari algoritma Support Vector Machine (SVM) dan pelabelan dengan TextBlob. Data tweet yang didapatkan berjumlah 50,001 tweet dan setelah melewati proses preprocessing tersisa 31,772 tweet. Pelabelan data tweet yang banyak ini dilakukan menggunakan TextBlob yang berbasis lexicon. Algoritma machine learning yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM). Dari klasifikasi menggunakan TextBlob, didapatkan 11,191 tweet positif, 12,808 tweet netral, dan 7,773 tweet negatif. Klasifikasi yang dilakukan SVM mendapatkan akurasi tertinggi sebesar 94.8% dengan perbandingan data training dan data testing 80:20. Nilai precision, recall, dan f1-score yang didapatkan sebesar 94.5%, 94.5%, dan 95%. Hasil visualisasi menggunakan word cloud dan bar chart memperlihatkan 5 kata yang sering muncul pada sentimen positif adalah ‘kuliah’, ‘teman’, ‘kerja’, ‘enak’, dan ‘ajar’ dan sentimen negatif adalah ‘kuliah’, ‘capek’, ‘teman’, ‘takut’, dan ‘susah’.
Kata Kunci: Analisis Sentimen, Kuliah Online, Support Vector Machine, TextBlob, Twitter