Penyebaran virus COVID-19 menjadi pandemi global hingga ke Indonesia, sehingga perlu dilakukan vaksinasi bertahap hingga dosis ke-3, dikenal sebagai vaksin booster. Informasi vaksin menjadi pusat perhatian masyarakat, sehingga netizen Twitter menyampaikan opini, baik berupa aspirasi maupun keluhan. Opini netizen menjadi medium untuk dilakukan analisis sentimen. Tujuan penelitian ini untuk mengetahui hasil analisis sentimen, performa model, dan respons netizen. Metode yang digunakan yaitu pembobotan TF-IDF, support vector machine, k-fold cross validation, dan confusion matrix. Data digunakan sebanyak 5.921 tweet, dibagi menjadi data training 4.144 dan testing 1.777. Hasil prediksi kernel linear memiliki jumlah sentimen positif 1.268 dan negatif 509, kernel RBF memiliki jumlah positif 1.274 dan negatif 503. Hasil pengujian dengan 10-fold didapatkan nilai k=1 dan k=8 yang optimal. Hasil evaluasi menunjukkan kernel linear memiliki accuracy 91,33%, precision 91,01%, recall 96,65%, dan f1-score 93,74%. Sementara itu, kernel RBF memiliki accuracy 91,44%, precision 90,89%, recall 96,98%, dan f1-score 93,84%. Hasil performa model menunjukkan model mampu memprediksi sentimen dengan baik. Visualisasi wordcloud kelas positif menunjukkan topik mengenai protokol kesehatan, syarat vaksin, kepatuhan masyarakat, aspirasi, dan administrasi layanan publik. Wordcloud kelas negatif terdapat topik kesulitan
mendapatkan vaksin, stok kosong, dan efek samping divaksin. Hasil analisis sentimen tersebut dapat menjadi evaluasi mengenai distribusi vaksin dalam negeri bagi investor asing sebagai bentuk integrasi dari kerja sama multilateral.