Berdasarkan data dari Global Terrorism Database dan Institute for Economics & Peace (IEP), terjadi 654 insiden terorisme di Indonesia sejak 2000-2021. Maraknya tindakan terorisme telah menyebabkan banyaknya korban berjatuhan. Salah satu tindakan terorisme yang terjadi di Indonesia belakangan ini adalah bom bunuh diri Polsek Astana Anyar, Bandung. Kejadian tersebut menimbulkan respon yang beragam dari masyarakat, terutama pada media sosial Twitter. Tanggapan masyarakat berupa tweet merupakakan representasi sentimen masyarakat terhadap kejadian tersebut. Oleh karena itu, penulis ingin melakukan analisis sentimen dengan klasifikasi berupa positif, netral dan negatif. Penulis mencoba melakukan penelitian menggunakan Support Vector Machine (SVM) sebagai algoritma klasifikasi dengan menerapkan leksikon VADER dan InSet sebagai pelabelan otomatis. Hasil penelitian menunjukan adanya perbedaan yang signifikan pada hasil pelabelan antara leksikon VADER yang didominasi oleh label negatif dan leksikon InSet yang didominasi oleh label positif. Hal ini dipengaruhi oleh beberapa faktor seperti perbedaan jumlah kamus dalam setiap leksikon, tahapan preprocessing dan proses pada ekstraksi fitur. Sedangkan pada hasil klasifikasi, model yang menggunakan dataset hasil pelabelan dengan VADER masih lebih baik dengan memperoleh tingkat akurasi sebesar 94% dibandingkan model yang menggunakan dataset hasil pelabelan dengan InSet yang memperoleh tingkat akurasi sebesar 93%. Tingkat akurasi menunjukan seberapa akurat model dalam mengklasifikan data sentimen dengan benar. Hasil akurasi kedua model dapat dianggap mampu memprediksi data secara akurat dan memiliki tingkat error yang rendah. Kata kunci: Twitter;support vector machine (SVM);inset;TF-IDF