Pertumbuhan media sosial telah memberikan ruang yang luas bagi publik untuk menyampaikan opini dan tanggapan terhadap berbagai isu, termasuk dalam bidang pendidikan seperti Universitas Kristen Petra (UKP). Opini-opini tersebut dapat bersifat positif, negatif, maupun netral. Menganalisis opini tersebut penting untuk memahami persepsi publik terhadap UKP secara menyeluruh. Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap komentar di media sosial yang berkaitan dengan UKP, dengan menggunakan enam algoritma klasifikasi: Naive Bayes Classifier, RoBERTa, DistilBERT, Random Forest, Support Vector Machine (SVM), dan XGBoost. Data dikumpulkan dari platform Instagram dan Facebook menggunakan layanan scraping Apify, dengan metode pencarian berdasarkan kata kunci, URL, atau nama akun. Data dianalisis melalui tahapan preprocessing seperti cleansing, stopwords removal, stemming, tokenisasi, dan pembobotan menggunakan TF-IDF. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa model DistilBERT dan RoBERTa memberikan akurasi tertinggi (sekitar 79%), sementara Naive Bayes tetap memberikan performa yang layak dengan akurasi 68%, dan memiliki keunggulan dalam kesederhanaan dan efisiensi. Aplikasi yang dikembangkan berbasis Laravel berhasil mengintegrasikan model-model ini dan menyajikan visualisasi analisis sentimen yang dapat membantu UKP memahami persepsi publik serta merumuskan strategi komunikasi digital yang lebih efektif.