Pertumbuhan pesat penggunaan internet di Indonesia mendorong peningkatan ekspektasi masyarakat terhadap kualitas layanan penyedia internet, termasuk Biznet. Opini publik yang tersebar di media sosial menjadi indikator penting untuk mengevaluasi kepuasan pengguna. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap layanan Biznet dengan mengombinasikan model IndoBERT sebagai representasi teks dan algoritma Support Vector Machine (SVM) sebagai metode klasifikasi. Data diperoleh melalui teknik crawling dari platform X (Twitter), yang kemudian diproses melalui tahapan preprocessing seperti cleaning, case folding, normalisasi, tokenisasi, stopwords removal, dan stemming. Hasil preprocessing selanjutnya diolah menggunakan IndoBERT untuk mendapatkan representasi vektor dari teks, yang menjadi input bagi model SVM. Evaluasi dilakukan dengan metrik akurasi, presisi, recall, dan F1-score, serta visualisasi dengan confusion matrix dan grafik learning curve. Hasil pengujian menunjukkan bahwa kombinasi IndoBERT dan SVM mampu mengklasifikasikan sentimen ke dalam tiga kategori: positif, negatif, dan netral secara efektif. Model dengan performa terbaik dicapai saat preprocessing dilakukan tanpa menghapus stopwords, dengan akurasi mencapai 97% dan F1-score hingga 98% pada kelas negatif dan netral. Temuan ini membuktikan bahwa pendekatan gabungan IndoBERT dan SVM dapat digunakan secara optimal untuk memahami persepsi publik terhadap layanan internet, dan memberikan rekomendasi berbasis data bagi peningkatan kualitas layanan.