Maskapai penerbangan mengembangkan layanan mereka dengan memperhatikan komplain yang merupakan masukan dan keluhan dari pengguna. Sering kali komplain ditulis menggunakan gaya bahasa ekspresif sehingga sulit untuk menggali informasi lebih lanjut. Pada penelitian ini kami membuat sistem untuk mengatasi gaya penulisan ekpresif pada media sosial twitter. Sistem penelitian ini terdiri dari beberapa fitur. 1) Pemeriksa ejaan, fitur ini dibuat berdasarkan aturan-aturan antara lain posisi karakter, karakter yang hilang, dan pola karakter dalam kata. Keluaran fitur ini berupa nilai kedekatan antara dua kata yang dibandingkan. 2) Categorizing program, fitur ini menggunakan kategori manual yang telah dibuat berdasarkan observasi dan analisa penulis pada media sosial twitter dan data dari perusahaan monitoring media sosial NoLimit Indonesia. Setiap komplain akan dipecah perkata dan setiap kata akan dibandingkan dengan semua kata kunci pada kategori menggunakan fitur pemeriksa ejaan dengan hasil akhir berupa representasi kata kunci untuk kalimat tersebut. Representasi kata kunci dikonveri ke matriks lalu dikalkulasi kedekatan matriks dengan matriks kata kunci setiap kategori. 3) Sentimen analisis, fitur ini menggunakan metode rule-based sentiment analisis pada kasus tertutup yakni hanya untuk maskapai penerbangan. Sentimen memiliki sepuluh aturan penghitungan sentiment dalam kalimat. Kamus kata sentiment digunakan sebagai referensi nilai sentiment setiap kata. Aturan dan kamus akan menentukan nilai sentiment dari tweet dengan nilai positif, negatif, netral. Total data yang telah didapat sebanyak 93000 tweet. Metode pengujian menggunakan data yang telah dilabelkan manual sebelumnya kemudian di uji coba menggunakan program. Untuk pemeriksa ejaan menggunakan data uji sebanyak 149 kata. Pemeriksa ejaan telah berhasil mencapai akurasi 90% dalam memproses kata terhadap kata yang sesuai dan telah berhasil mengatasi masalah salah ketik. Program kategorisasi telah mampu mengelompokkan data tweet dengan akurasi 97% dari 8743 tweet data yang telah dilabeli manual sebelumnya. Dari 217 tweet yang telah diberi label manual, program sentimen analisis telah berhasil mencapai akurasi sebesar 92%.