Pandemi COVID-19 memiliki dampak yang buruk terhadap ketenagakerjaan di Indonesia. Masalah pengangguran di Indonesia menjadi salah satu perhatian publik dalam dua tahun ini. Pada Agustus 2020, yaitu sebesar 9,8 juta orang dan Agustus 2021, yaitu sebesar 9,1 juta orang. Dengan adanya kondisi tersebut, pemerintah perlu melakukan pembenahan terhadap masalah tingkat pengangguran yang ada saat ini. Melihat kondisi tersebut, pemerintah perlu melakukan perbaikan terkait masalah pengangguran saat ini. Tujuan utama dari penelitian ini adalah untuk mengetahui bagaimana opini masyarakat mengenai upaya pemerintah dalam mengatasi masalah pengangguran selama pandemi COVID-19 di Indonesia. Analisis sentimen dilakukan terhadap opini masyarakat dengan menggunakan media sosial Twitter sebagai sumber data. Untuk mengukur kinerja model digunakan tiga algoritma yaitu Naïve Bayes, Decision Tree, dan Random Forest. Hasil pada penelitian ini adalah terdapat label positif yang memiliki 1710 sentimen, dan untuk label negatif yang memiliki 1553 sentimen. Untuk algoritma terbaik yang dihasilkan pada penelitian ini adalah Random Forest, yaitu dengan nilai akurasi sebesar 79%. Penelitian ini juga menghasilkan 15 fitur yang berpengaruh terhadap topik penelitian. Untuk fitur berpengaruh dengan bobot positif tertinggi adalah ‘abai’. Sedangkan untuk fitur berpengaruh dengan bobot negatif tertinggi adalah ‘materai’.

The COVID-19 pandemic has had a negative impact on employment in Indonesia. The problem of unemployment in Indonesia has become one of the public's concerns in the past two years. In August 2020, which was 9.8 million people and August 2021, which was 9.1 million people. Given these conditions, the government needs to make improvements to the problem of the current unemployment rate. Seeing these conditions, the government needs to make improvements related to the current unemployment problem. The main purpose of this research is to find out how the public opinion regarding the government's efforts in overcoming the unemployment problem during the COVID- 19 pandemic in Indonesia. Sentiment analysis was carried out on public opinion using Twitter as a data source. To measure the performance of the model, three algorithms are used, namely Nave Bayes, Decision Tree, and Random Forest. The results of this study are positive labels that have 1710 sentiments, and negative labels that have 1553 sentiments. The best algorithm produced in this study is Random Forest, with an accuracy value of 79%. This research also produces 15 features that influence the research topic. For the influential feature with the highest positive weight is 'ignore'. Meanwhile, the influential feature with the highest negative weight is 'stamp'.