<![CDATA[Abstrak. Pada saat ini penggunaan Twitter semakin luas. Semua pengguna twitter yang dapat dengan bebas untuk berpendapat dan membagikan sudut pandang mereka mengenai isu tren dunia membuat konten twitter menjadi beragam dan menarik untuk dianalisa, termasuk dengan tren kebijakan politik yang ramai diperbincangkan di Indonesia setahun terakhir. Hal tersebut menjadi alasan kuat bahwa analisis opini publik dan sentimen tentang kebijakan pemerintah dari isi twitter Indonesia sangat penting untuk dilakukan. Namun, identifikasi sentimen di dalam pesan konten Twitter berbahasa Indonesia memiliki tantangan. Pertama, konten tidak memiliki kalimat dengan struktur baku. Kedua, domain dari setiap konten sangat luas dan heterogen, sehingga sulit untuk mengelompokkan topik tersebut dan mengklasifikasikan sentimen. Ketiga, penggunaan slang menyebabkan ambiguitas dan Out of Vocabbulary (OOV). Di dalam penelitian ini diusulkan metode K-Medoid Clustering dan Support Vector Machine (SVM) untuk melakukan klasifikasi berdasarkan fitur sentiment score. Tujuan dari penggunaan K-Medoid clustering untuk mengeliminasi data yang tidak sesuai dan mengelompokkan data sesuai dengan homogenitas topik. Penelitian ini dilakukan dalam skenario uji coba perbandingkan hasil analisa sentimen setelah dilakukan clustering berdasarkan fitur sentiment score terhadap fitur berbasis konten dengan parameter tingkat akurasi yang dianalisa dengan uji t. Hasil akhir menunjukkan bahwa metode yang diusulkan memiliki kualitas lebih baik daripada metode sebelumnya yang menggunakan fitur berbasis konten. Kata Kunci: analisa sentimen, SVM, K-Medoid, clustering]]>
