Pelaksanaan vaksinasi Covid-19 di Indonesia mendapatkan berbagai opini yang pro dan kontra dari masyarakat. Ditemukanya disinformasi dan misinformasi tentang vaksin melalui konten media sosial dapat mempengaruhi serapan informasi seseorang sehingga mengarah pada penundaan vaksin. Padahal vaksinasi adalah kontribusi terbesar dan paling efektif untuk mengakhiri pandemi covid-19. Salah satu vaksin yang disediakan oleh pemerintah Indonesia adalah Astrazeneca. Vaksin Astrazeneca sempat menjadi perdebatan di masyarakat karena kehalalan dan kemanannya karena isu ditemukanya unsur tripsin babi dalam vaksin tersebut. Twitter saat ini telah menjadi wadah bagi para pengguna untuk mengungkapkan kekhawatiran dan opini terhadap vaksin Covid-19. Pada penelitian ini, digunakan llibrary snscrape untuk mengumpulkan data dari periode Mei sampai Juni 2021. Dataset berjumlah sebanyak 3105 tweet. Dataset yang telah dikumpulkan kemudian dilakukan preprocessing untuk mengoptimalkan data. Setelah melewati tahap preprocessing, data dilakukan pelabelan kelas tweet menggunakan kamus lexicon based yang menghasilkan 1275 tweet dengan label opini positif dan 1830 tweet berlabel opini negatif. Penelitian ini mengkaji kinerja Naïve Bayes dan Support Vector Machine dengan menambahkan teknik TF-IDF (Term Frequency - Inverse Document Frequency) yang bertujuan untuk menambah bobot suatu kata pada dokumen. Hasil evaluasi menunjukkan Support Vector Machine memiliki akurasi, presisi, recall dan f1-score yang lebih besar yaitu 87.27%, 90.41%, 77,34% dan 83.37% dibandingkan Naïve Bayes yang memiliki akurasi, presisi, recall dan f1-score sebesar 76.81%, 72.40%, 70.70% dan 71.52%.