Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadap layanan e-commerce dengan menggunakan metode Support Vector Machine (SVM). Seiring dengan pertumbuhan pesat platform e-commerce, interaksi dan ulasan dari pengguna di media sosial, khususnya Twitter, menjadi salah satu sumber data penting untuk mengevaluasi kepuasan pelanggan. Twitter sebagai platform dengan jutaan pengguna aktif memberikan berbagai opini terkait pengalaman berbelanja, baik positif, negatif, maupun netral. Untuk itu, diperlukan analisis sentimen untuk mengklasifikasikan sentimen dari tweet yang berkaitan dengan layanan e-commerce. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM), yang dikenal efektif dalam klasifikasi teks. Data yang digunakan diperoleh dari tweet yang mencakup kata kunci terkait dengan e-commerce, yang kemudian diproses melalui tahapan pra-pemrosesan, seperti penghapusan stopwords, tokenisasi, dan stemming. Fitur teks diekstraksi menggunakan teknik seperti TF-IDF (Term Frequency-Inverse Document Frequency) untuk mendapatkan representasi numerik dari tweet. Selanjutnya, model SVM dilatih menggunakan data latih untuk mengklasifikasikan tweet menjadi tiga kategori sentimen: positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa model SVM mampu mengklasifikasikan sentimen dengan tingkat akurasi yang tinggi, memberikan wawasan yang berguna bagi perusahaan e-commerce dalam memahami persepsi pelanggan. Analisis sentimen ini dapat digunakan untuk meningkatkan kualitas layanan, merespons keluhan pelanggan, dan menyusun strategi pemasaran yang lebih tepat sasaran. Secara keseluruhan, penelitian ini menunjukkan potensi besar analisis sentimen berbasis SVM dalam evaluasi layanan e-commerce melalui platform media sosial.