Support Vector Machine (SVM) adalah metode pembelajaran mesin yang banyak digunakan untuk masalah regresi dan klasifikasi terutama klasifikasi review aplikasi. Aplikasi mobile PeduliLindungi merupakan aplikasi yang dikembangkan Pemerintah Indonesia dalam rangka membantu penanganan pandemi COVID-19 atau coronavirus disease yang telah menjadi pandemi global. Pada 24 Oktober 2021 Aplikasi ini telah diunduh sebanyak 10 juta kali dan mendapat 568.673 penilaian serta puluhan ribu ulasan. Pengguna memberikan review atau ulasan tentang aplikasi, tentunya pengguna mengharapkan aplikasi yang memiliki review bagus. Namun, memahami ulasan dalam jumlah banyak dari masyarakat umum tidaklah mudah, karena itu diperlukan analisis sentimen dan pelabelan lexicon terhadap aplikasi mobile PeduliLindungi. Penelitian ini bertujuan untuk mengetahui performa Support Vector Machine dan hasil penggunaan kamus lexicon dalam mengklasifikasi ulasan pengguna aplikasi mobile PeduliLindungi ke dalam sentimen positif dan negatif serta melakukan visualisasi guna mendapat pengetahuan kata yang sering muncul dari klasifikasi dan visualisasi review pengguna. Dari klasifikasi lexicon didapatkan 620 ulasan positif dan 380 ulasan negatif dari 1000 sampel ulasan pengguna PeduliLindungi. Algoritma Support Vector Machine (SVM) dalam mengklasifikasi data review mendapatkan akurasi tertinggi pada pembagian data latih & data uji 70:30 sebesar 84,34% lalu presisi 83,72%, recall 93,75%, specifity 67,59% dan F1 Score sebesar 91,14%. Dari klasifikasi dan visualisasi didapatkan pengetahuan berupa kata yang sering muncul di ulasan positif seperti “klik”, “langsung”, “lengkap” dan “muncul”, sementara di ulasan negatif terdapat kata “data”, “masuk”, “tanggal”, “daftar”.
Kata Kunci : Analisis Sentimen, PeduliLindungi, Support Vector Machine , Kamus Lexicon