Penanganan keluhan merupakan hal yang mutlak pada sebuah perusahaan. Pos  Indonesia  merupakan  BUMN  yang  bergerak  dalam  jasa  pengiriman  barang yang  memanfaatkan  twitter  sebagai  salah  satu  media  layanan  customer  service. Disini admin akan menjawab dan menyelesaikan keluhan pelanggan yang mention atau  direct  message  ke  akun  twitter  @PosIndonesia  secara  manual.  Salah  satu kelemahan penyampaian keluhan melalui twitter adalah tweet berbentuk teks digital yang  tidak  terstruktur  sehingga  menyulitkan  untuk  menyalurkan  ke  bidang permasalahan  yang  ada  untuk  segera  ditangani.  Belum  lagi  banyaknya  jumlah keluhan dan terdapatnya keluhan yang bermaksud sama dari beberapa pelanggan. Berdasarkan permasalahan tersebut, penelitian ini bertujuan mengelompokkan data tweet  menjadi  beberapa  kategori  keluhan  yaitu  keterlambatan,  kesalahan  sistem, gagal  kirim,  jaminan  barang,  pelayanan  petugas,  dan  kecepatan  respon.  Metode yang  digunakan  pada  penelitian  ini  yaitu  feature  extraction  menggunakan  term frequency–inverse  document  frequency  (TF-IDF)  dan  klasifikasi  menggunakan Support  Vector  Machine  (SVM).  Kemudian  dibandingkan  kernel  linear, polynomial, dan RBF serta mencari parameter terbaik pada masing- masing kernel. Pengujian menggunakan 10-fold cross validation dengan mencari akurasi, presisi, recall,  dan  f1-score  menggunakan  confussion  matrix.  Hasil  percobaan menunjukkan  bahwa  nilai  rata-rata  akurasi  tertinggi  menggunakan  kernel  linear yaitu  81,26%    diikuti  oleh  kernel  RBF  81,44%  dan  terakhir  polynomial  67,12%. Sedangkan untuk precision, recall,  dan f1-score nilai tertinggi yaitu menggunakan kernel  linear  yaitu  masing-  masing  90%,  89%,  dan  89%.  Sehingga  dapat  ditarik kesimpulan  bahwa  data  keluhan  pada  tweet  akun  Pos  Indonesia  dapat diklasifikasikan dengan baik menggunakan kernel linear.   
Kata kunci: klasifikasi text, twitter, keluhan, Support Vector Machine. tf-idf