Kualitas hidup manusia dapat ditentukan oleh tingkat kesehatan individu. Salah satu penunjang tingkat kesehatan adalah akses pelayanan kesehatan. Di era teknologi ini telemedicine menjadi salah satu alternatif yang dinilai mampu memudahkan akses pelayanan kesehatan. Halodoc merupakan aplikasi telemedicine nomor satu di Indonesia. Tercatat 20 juta lebih pengguna Halodoc di google playstore. Ulasan pengguna atau user review adalah gambaran penting dari pengguna terhadap aplikasi Halodoc. Analisis sentiment user review diperlukan guna mengetahui polaritas sentiment user terhadap aplikasi Halodoc. Pada penelitian ini ditentukan dua polaritas yaitu positive dan negatif. Pelabelan data menggunakan InSet Lexicon yang kemudian dianalisa pemaknaannya. Ternyata InSet Lexicon memiliki beberapa pemaknaan yang kurang relevan dengan domain data teks user review aplikasi Halodoc. Hasilnya, sebanyak 3121 user review berlabel positive dan 4378 user review berlabel negative. Dibandingkan dengan manual data labelling, Inset Lexicon memberikan hasil akurasi sebesar 43%. Kemudian data dilatih dan dilakukan prediksi menggunakan Support Vector Machine dengan dua kernel yaitu kernel linear dan kernel radial basis function.  Support Vector Machine dengan kernel radial basis menunjukkan hasil yang lebih baik dengan akurasi 93.7%.