Topik vaksinasi merupakan topik yang menimbulkan serangkaian opini di media sosial instagram, sebagian terkait keamanan kesehatan dan efek yang ditimbulkan pasca vaksin. Meskipun serangkaian penelitian dibidang kesehatan telah dilakukan untuk mendukung kampanye vaksin covid-19 namun tetap saja terdapat masyarakat yang memberikan komentar negatif terhadap kebijakan vaksin. Beragam tanggapan/sentimen masyarakat juga banyak ditemukan pada postingan akun kemenkes_ri. Analisis sentimen adalah proses klasifikasi opini yang berupa komentar publik untuk menentukan tanggapan yang diberikan termasuk dalam kategori netral, positif atau negatif. Dalam penelitian ini diusulkan komparasi perfoma algoritma SVM dan KNN untuk mengklasifikasikan sentimen di akun kemenkes_ri terkait dengan kebijakan vaksin di Indonesia. Sentimen dibagi kedalam 3 polaritas yakni positif, negatif dan netral. Tujuan komparasi ini adalah untuk membandingkan model klasifikasi terbaik pada topik analisa sentimen issue vaksin khususnya platform Instagram. Dalam penelitian ini tahapan dimulai dari teknik scrapping komentar yang menghasilkan 2.925 record. Preprocessing dilakukan dengan teknik NLP dan pembobotan kata dilakukan dengan menerapkan TF-IDF. Selanjutnya tahapan SMOTE dilakukan guna menghindari imbalancing class. Rasio data training dan testing dalam penelitian ini adalah 9:1. Evaluasi dilakukan dengan melihat tabel confusion matrix. Hasil penelitian menunjukan bahwa hasil klasifikasi terbaik pada metode SVM yakni 98,30%, sementara dari metode KNN menghasilkan akurasi 80,03%.