Youtube merupakan salah satu media social yang diminati karena kemudahannya berbagi informasi melalui video sehingga para pengguna dapat dengan cepat mengetahui trend atau topik terbaru yang terjadi. Pada akhir Mei 2024 salah satu topik yang dibicarakan adalah TAPERA (Tabungan Perumahan Rakyat). Peneliti menggunakan enam video yang akan dijadikan sebagai sample dataset. Munculnya beragam tanggapan positif dan negatif. Penelitian ini merupakan penelitian kuantitatif dengan tipe fine-grained sentiment analysis yaitu mengelompokkan respon atau pendapat ke dalam kategori positif, netral atau negatif untuk mengekstrak sentiment dari komentar video youtube tersebut. Penelitian ini menggunakan alur Metode SEMMA (Sample, Explore, Modify, Model, dan Assess). youtube API dilakukan dalam web scrapping menggunakan Python. Peneliti menerapkan metode lexicon based untuk mendapatkan kelas sentimen pada dataset, yang selanjutnya dataset diklasifikasi menggunakan metode Support Vector Machine. Hasil akurasi dari metode Support Vector Machine dengan hasil parameter terbaik menggunakan grid search cv adalah kernel poly dengan C =1 dan degree = 1 menghasilkan akurasi 75,59%. Akurasi dari implementasi algoritma Support Vector Machine menghasilkan nilai yang baik untuk topik TAPERA, sehingga algoritma tersebut bisa diterapkan untuk klasifikasi analisis sentiment pada data baru. Pada hasil analisis sentimen didapatkan nilai tertinggi ditempati oleh sentimen negatif yang artinya kebijakan pemerintah menganai TAPERA masih mendapatkan respon kontra di kalangan masyarakat.
Kata kunci : Confusion matrix;fine-grained sentiment analysis;grid search;lexicon based