Klasifikasi pada proses text mining dapat dikerjakan dengan menggunakan berbagai jenis metode klasifikasi yang salah satunya yaitu metode SVM. SVM merupakan singkatan dari Support Vector Machine, SVM bekerja dengan membagi dua kelompok kelas data menggunakan fungsi linear dalam sebuah ruang fitur berdimensi tinggi dengan proses menemukan garis pemisah (hyperplane) terbaik sehingga dapat menemukan ukuran margin yang maksimal antara ruang input dengan ruang ciri menggunakan kaidah kernel. SVM telah dikembangkan dengan menggabungkan semua data yang terdiri dari beberapa kelas kedalam sebuah bentuk optimasi untuk memecahkan permasalahan yang terdapat pada penelitian ini dengan jumlah kelas yang melebihi dari dua kelas dan akan diuji dengan berbagai jenis pendekatan multiclass yaitu SVM One Against One dan One Against Rest. Data merupakan opini publik berbahasa Indonesia yang didapatkan dari twitter berjumlah 2000 dataset mengenai jaringan telekomunikasi seluler dan layanan BPJS. Hasil penelitian ini didapatkan bahwa untuk penilaian kinerja metode multiclass SVM dengan tingkat akurasi yang lebih tinggi didapatkan dari kinerja metode SVM One Against Rest dengan nilai perbedaan sebesar 0, 06 untuk proses klasifikasi tiga kelas yaitu positif, negatif dan netral. Dapat disimpulkan bahwa dalam proses klasifikasi yang memiliki lebih dari dua kelas dapat dilakukan dengan menggunakan metode klasifikasi SVM melalui pendekatan SVM One Against One dan One Against Rest dengan nilai akurasi yang lebih baik.