Pembangunan LRT Jabodebek dimulai sejak 9 September 2015. Dengan biaya sebesar Rp32,5 triliun yang awalnya sebesar Rp29,9 triliun. Dengan besarnya biaya yang dikeluarkan, masih terjadi masalah yang berkaitan dengan fasilitas, yang mana mengganggu kenyamanan bahkan dapat membahayakan keselamatan penumpang. Kejadian tersebut menimbulkan respon yang beragam dari masyarakat, terutama pada media sosial Twitter. Tanggapan masyarakat berupa tweet merupakan representasi sentimen masyarakat terhadap kejadian tersebut. Data tweet yang didapatkan berjumlah 10.929 tweet dan setelah melewati proses preprocessing tersisa 5.368 tweet. Penelitian ini melakukan analis sentimen dengan klasifikasi berupa positif dan negatif. Peneliti menggunakan Support Vector Machine (SVM) sebagai algoritma klasifikasi dengan menerapkan TextBlob dan BERT sebagai pelabelan otomatis. Dari klasifikasi menggunakan pelabelan TextBlob, didapatkan 3.205 tweet negatif dan 2.163 tweet positif. Sedangkan pelabelan BERT, didapatkan 4.196 tweet negatif dan 1.17 tweet positif. Penelitian yang dilakukan dengan 4 skenario splitting data, menghasilkan hasil terbaik pada rasio 90:10 pada masingmasing pelabelan. Hasil penelitian menunjukkan, model yang menggunakan dataset hasil pelabelan dengan TextBlob masih lebih baik dengan memperoleh tingkat akurasi sebesar 96% dibandingkan model yang menggunakan dataset hasil pelabelan BERT yang memperoleh hasil akurasi sebesar 88%. Hasil ini dipengaruhi karena, pada pelabelan TextBlob lebih sederhana untuk memfokuskan suatu kalimat positif atau negatif sedangkan pada pelabelan BERT terdapat beberapa faktor tambahan untuk menentukan suatu kalimat positif atau negatif. Tingkat akurasi menunjukkan seberapa akurat model dalam mengklasifikasikan data sentimen dengan benar.
KATA KUNCI : Analisis Sentimen;LRT Jabodebek;TextBlob;Support Vector Machine