Kebutuhan dalam melakukan analisis pada sebuah produk atau kebijakan menjadi suatu hal penting untuk mengukur tingkat keberhasilan. Twitter saat ini menjadi salah satu aplikasi populer yang digunakan oleh masyarakat dalam memberikan kesan dan opininya, baik opini yang bersifat positif, negatif maupun netral. Opini masyarakat yang beragam di Twitter dapat dijadikan sebagai bahan acuan untuk mendapatkan tingkat kepuasan masyarakat pada sebuah produk, layanan ataupun kebijakan. Pada penelitian ini sistem analisis sentimen dibuat dengan menggunakan Algoritma TF-IDF dan SentiStrength Langkah-langkah pada penelitian yaitu, pertama crawling data Twitter menggunkaan API Twitter, kedua preprocessing, ketiga melakukan spell correction keempat Pembobotan kata (TF-IDF) dan terakhir klasifikasi SentiStrength, dimana hasil klasifikasi tweet memiliki sentimen positif, negatif atau netral. Pada data uji yang diambil dengan menggunakan kata kunci “vaksin anak” sebanyak 1000 tweet, diperoleh hasil sentimen positif 54%, sentimen negatif 20% dan sentimen netral 26%. Perbandingan dengan analisis data yang sama menggunakan algoritma yang berbeda yaitu Naïve Bayes mendapatkan hasil sentimen positif 55%, negatif 16% dan netral 29%. Decision Tree mendapatkan hasil positif 61%, negatif 14% dan netral 25%.