<![CDATA[Pesatnya pertumbuhan e-commerce di Indonesia menempatkan industri logistik sebagai pilar utama ekonomi digital, di mana J&T Express muncul sebagai salah satu pemimpin pasar yang dominan. Namun, besarnya volume opini publik di media sosial Twitter (X) menciptakan tantangan besar bagi manajemen reputasi perusahaan secara real-time. Masalah utama penelitian ini adalah karakteristik ulasan pengguna yang berbentuk data tekstual tidak terstruktur dan mengandung banyak gangguan (noisy data), sehingga analisis manual menjadi tidak efisien serta rentan terhadap subjektivitas. Penelitian ini bertujuan untuk mengimplementasikan algoritma Support Vector Machine (SVM) guna mengklasifikasikan sentimen pengguna serta mengevaluasi performa model dalam memetakan kualitas pelayanan J&T Express. Metodologi yang digunakan adalah CRISP-DM dengan pendekatan hibrida yang mengintegrasikan fitur statistik Term Frequency-Inverse Document Frequency (TF-IDF) dan fitur semantik Skor Leksikon. Data dikumpulkan melalui teknik crawling terhadap ulasan pengguna Twitter rentang tahun 2023 hingga 2025, menghasilkan 870 data valid setelah melalui tahapan preprocessing yang ketat. Hasil penelitian menunjukkan bahwa model SVM dengan kernel linear mencapai tingkat akurasi sebesar 95,86%. Distribusi sentimen terdiri dari 47,4% positif, 39,8% negatif, dan 12,8% netral. Simpulannya, integrasi TF-IDF dan Skor Leksikon terbukti sangat andal dan objektif dalam menangkap suara asli konsumen (the voice of customer), sehingga dapat menjadi instrumen evaluasi strategis bagi penyedia jasa logistik untuk meningkatkan kualitas layanan.]]>
