Twitter kini menjadi salah satu social media yang paling sering digunakan dan memberi pengaruh, utamanya di Indonesia. Namun, analisis sentimen pada Twitter berbahasa Indonesia masih cukup jarang dilakukan padahal penerapannya sangat luas, salah satunya untuk melakukan ekstraksi opini menjadi informasi, salah satu bentuk informasi yang mudah dicerna adalah rating. Penelitian ini bertujuan untuk melakukan analisis sentimen pada Twitter berbahasa Indonesia sebagai pemberi rating. Terdapat dua tahap pada penelitian ini, pertama membentuk core aplikasi berupa konfigurasi metode analisis sentimen dan tahap kedua adalah membuat aplikasi analisis sentimen. Core aplikasi dikembangkan menggunakan pustaka lucene sebagai alat stemming dan algoritme Support Vector Machine (SVM), sedangkan aplikasinya sendiri dikembangkan dengan menggunakan Java. Hasil yang didapat adalah core aplikasi mampu memberikan akurasi sejumlah 73,43% dengan 7-fold cross validation. Sedangkan untuk aplikasinya sendiri mampu memberikan rating 4,4 dan akurasi sejumlah 68% untuk kata kunci “Jokowi”, rating 2,7 dan akurasi sejumlah 56% untuk kata kunci “Prabowo”, rating 4,6 dan akurasi sejumlah 70% untuk kata kunci “kalimilk” serta rating 3,7 dan akurasi sejumlah 74% untuk kata kunci “sunmor”.

Twitter now is the one of the most influental social media in the world, especially in Indonesia. Unfortunately, research about sentiment analysis in Bahasa (Indonesian Language) are not that many although there are many possibilities to convert the opinion inside into valuable information. One of the kind of information that can be made is rate. This research is aim to do sentiment analysis in Twitter with Bahasa so that the opinions can be converted to a rate. There are two steps in this ressearch. The first one is building the core of the application using lucene library and support vector machine. The second one is to build the application using Java. The result is, the core of the application’s accuracy is 74.34%, while the application instead give rate 4.4 for keyword “Jokowi” with 68% of accuracy, rate 2.7 for keyword “Prabowo” with 56% of accuracy, rate 4.6 for keyword “kalimilk” with 70% of accuracy and it also gave rate 3.7 for keyword “sunmor” with 74% of accuracy.

Kata Kunci : Analisis sentimen, Twitter, Bahasa