Twitter merupakan salah satu media sosial yang dapat digunakan masyarakat untuk mengutarakan pendapat mereka atas suatu masalah atau organisasi. Organisasi juga dapat memanfaatkan data media sosial sebagai evaluasi atas produk atau jasa yang mereka berikan. Namun, kendalanya adalah data media sosial, Twitter, selalu bertumbuh dan semakin banyak, Data ini juga menggunakan format bahasa yang tidak baku serta panjang komentar yang pendek, karena dibatasi oleh sistem. Walaupun pendek, teks tersebut dapat mengandung informasi konteks. Banyaknya jenis konteks yang terkandung dalam kumpulan data dapat digunakan untuk meningkatkan kegunaan analisis sentimen data media sosial. Pada penelitian ini, penulis memperluas deskripsi dan fungsi hasil sentimen dengan menggunakan analisis konteks pada analisis sentimen. Metode yang digunakan untuk menganalisis sentimen adalah Affective Model adalah metode analisis sentimen yang mengukur perbedaan nilai pleasure-arousal pada kata sifat Indonesia. Analisis konteks memiliki lima fitur yang melibatkan konteks: keyword (topik), user, impression dan karakter. Analisis sentimen menggunakan Affective Model berhasil mendapatkan nilai akurasi sebesar 75.6%, serta output dari fitur analisis konteks berhasil ditampilkan dalam bentuk grafik dengan percobaan menggunakan sepuluh query untuk empat fitur utama. Untuk fitur Character User Cluster didapatkan kesimpulan bahwa user yang mengirim opini terhadap BPJS Kesehatan berada pada karakter kluster yang sama sebanyak 50%