Penyebaran berita saat ini dapat diakses dengan mudah melalui media^sosial. Twitter merupakanc salahrsatu media sosial yang^sangat populer di*kalangancapengguna^internet. Di sini pengguna dapat dengan bebas berkomentar dan menulis mengenai berita apapun. Salah satu berita yang banyak dibicarakan adalah mengenai sistem pendidikan yang dibuat oleh pemerintah khususnya kurikulum pendidikan. Dari media sosial tersebut, mengizinkan penggunanya untuk dapat mengetahui reaksi pengguna lain terhadap berita yang sedang dibicarakan. Untuk mengklasifikasikan bentuk sentimen yang diberikan apakah itu sentimen positif, negatif, atau netral dapat menggunakan text mining, yaitu proses menggali informasi dalam sekumpulan dokumen besar secara otomatis. Kurikulum pendidikan dipilih untuk dilakukan klasifikasi sentimen karena pembahasan kurikulum pendidikan sangat sensitif terhadap opini-opini masyarakat. Dalam mengklasifikasikannya penulis menggunakan algoritma Naïve Bayes Classifier (NBC)Hdan Support Vector MachineY(SVM). Dari proses pengklasifikasian denganYNaïve Bayes Classifier menghasilkan accuracy 64%, precision 100%, recall 54%, dan F-Measure 70%, sedangkan dengan Support Vector Machine menghasilkan accuracy 96%, precision 96%, recall 100%, dan F-Measure 98%. Hal ini menunjukkan bahwa metode SVM mampu mengklasifikasikan data komentar lebih baik daripada menggunakan metode NBC.

Current dissemination news can be accessed easily through social media. Twitter is a social media that is very popular among internet users. Here users can comment and write about any news. One of the news that is widely discussed is about the education system created by the government, especially the education curriculum. From this social media, its use can see the reactions of other users to the news that is being discussed. To classify the form of sentiment given whether positive, negative, or neutral sentiment can use text mining, which is the process of information in a large set of documents automatically. The educational curriculum is chosen for sentiment classification because the discussion of the educational curriculum is very sensitive to public opinions. In classifying the writer using the Naïve Bayes Classifier (NBC) algorithm and Support Vector Machine (SVM). & From the classification process with the Naïve Bayes Classifier it produces 64% accuracy, 100% precision, 54% recall, and 70% F-Measure, while the Support Vector Machine produces 96% accuracy, 96% precision, 100% recall, and F-Measure 98%. This shows that the SVM method is able to classify better data using the NBC method.