Indonesia merupakan negara yang sangat beragam dan sering mengalami radikalisme. Keragaman agama merupakan bentuk radikalisme terkuat di Indonesia. Maka, muncul istilah yang disebut “Moderasi Beragama”. Moderasi beragama adalah cara pandang kita dalam beragama secara moderat, yakni memahami dan mengamalkan ajaran agama dengan tidak ekstrem. Konsep ini memicu perdebatan di kalangan masyarakat terutama pada media sosial dan salah satunya di Twitter. Tujuan dari penelitian ini adalah untuk mengklasifikasikan opini masyarakat dan juga mencoba membandingkan performa dari 4 kernel SVM dalam menganalisis sentimen moderasi beragama pada Twitter. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine dan Lexicon Based. SVM digunakan untuk proses klasifikasi analisis sentimen dan mencari nilai akurasi terbaik menggunakan kernel linear, polynomial, radial basis function dan sigmoid. Lexicon Based digunakan untuk memberi label kelas sentimen positif, negatif dan netral pada data. Hasil analisis dari 2142 data tweet diperoleh 1020 tweet positif (47,6%), 1006 tweet negatif (47%), dan 116 tweet netral (5,4%). Kemudian dari perbandingan keempat kernel SVM, kernel linear muncul dengan hasil evaluasi terbaik yang memiliki accuracy sebesar 81.35%, precision 80.6%, recall 81.35%, dan F1-Score 80.69% yang berarti dataset mengenai moderasi beragama ini cocok diklasifikasi menggunakan kernel linear. Berdasarkan hasil analisis sentimen ini, dapat disimpulkan bahwa tweets mengenai moderasi beragama memiliki nilai sentimen yang seimbang antara sentimen positif dan sentimen negatif.
Kata Kunci : Analisis Sentimen, Moderasi Beragama, Machine Learning, Support Vector Machine, Lexicon Based, Kernel Trick