Cakupan imunisasi dasar lengkap (IDL) pada bayi di Indonesia masih rendah bahkan cenderung menurun di bawah target rencana strategis(renstra)Renstra sebesar 93% dan target cakupan Universal Child Immunization (UCI) secara nasional >80%. Indonesia sebagai salah satu negara dengan cakupan salah satu vaksin IDL terendah, yaitu vaksin DPT3. Banyak faktor yang melatarbelakangi terjadinya cakupan IDL rendah, banyak faktor yang melatarbelakangi terjadinya cakupan IDL rendah. Faktor psikologiss menjadi salah satu penyebab penting yang jarang diintervensi. Dalam faktor psikologis yang terdiri dari beberapa faktor potensial, salah satunya penolakan vaksin yang turut menyumbang rendahnya cakupan IDL kepada peningkatan angka kematian bayi dan anak tinggi dan juga angka Penyakit yang Dapat Dicegah dengan Imunisasi (PD3I). Tantangan rendahnya cakupan imunisasi dasar disebabkan penolakan vaksin yang didorong oleh tingginya persebaran opini negatif berupa penolakan vaksin. Media sosial menjadi sumber data dengan pengguna berjumlah sangat masif. Tujuan dari penelitian ini adalah membangun model untuk deteksi dini melalui social media analytics dengan pendekatan machine learning yaitu metode analisis sentimen untuk menemukan pemberitaan negatif berupa penolakan vaksin dan social network analyisis untuk mengidentifikasi penyebarannya yang dilakukan opinion leader. Berdasarkan hal tersebut maka penelitian ini dilakukan pengujian dengan menggunakan metode dan teknik machine learning untuk menghasilkan nilai performance berupa akurasi, presisi, recall dan F- measure dengan akurasi terbaik diatas 70% dan mengukur nilai centrality untuk melihat kedekatan dan interaksi, serta menghasilkan nilai situational awareness. Model ini diharapkan dapat membantu berwenang atau berkepentingan untuk melakukan pencegahan atau tata laksana. Kata kunci: Cakupan IDL, penolakan vaksin, social media analytics, analisis sentimen, socialnetwork analysis, machine learning, situational awareness.