Penelitian ini bertujuan untuk menganalisis sentimen pengguna terhadap layanan Internet Service Provider (ISP) di Indonesia melalui platform media sosial X (sebelumnya Twitter). Analisis ini menggunakan pendekatan machine learning dengan metode K-Means Clustering untuk mengelompokkan tweet negatif berdasarkan kemiripan konten. Data tweet dikumpulkan menggunakan teknik web scraping dan diproses menggunakan TF-IDF (Term Frequency-Inverse Document Frequency) untuk mengubah teks menjadi representasi numerik. Sentimen pengguna kemudian ditentukan menggunakan model Natural Language Processing (NLP) BERT yang diimplementasikan dengan menggunakan pipeline dari Hugging Face. Data yang digunakan dalam penelitian ini terdiri dari 6.000 tweet yang dikumpulkan menggunakan metode Web Scraping. Analisis menunjukkan bahwa terdapat tiga klaster utama dari keluhan pengguna terhadap ISP: Klaster pertama didominasi oleh masalah teknis seperti gangguan jaringan, harga mahal, dan koneksi internet yang lemot. Klaster kedua berfokus pada layanan pelanggan dan interaksi pengguna dengan penyedia layanan. Klaster ketiga mencakup komunikasi dan kepuasan pelanggan, dengan banyak keluhan terkait tagihan dan status langganan. Hasil dari analisis klasterisasi menunjukkan bahwa jarak antar klaster adalah sebagai berikut: Cluster 1 dan Cluster 2 memiliki jarak 0.460, Cluster 1 dan Cluster 3 memiliki jarak 0.349, serta Cluster 2 dan Cluster 3 memiliki jarak 0.341. Variasi intra-klaster menunjukkan bahwa Cluster 1 memiliki rata-rata jarak nilai sebesar 0.140, Cluster 2 sebesar 0.113, dan Cluster 3 sebesar 0.064.