Analisis ini memungkinkan identifikasi dan pemahaman lebih dalam mengenai sentimen positif dan negatif yang tercermin dalam percakapan online, sehingga memberikan pandangan komprehensif mengenai arah dukungan dan preferensi masyarakat terhadap calon presiden. Analisis sentimen melalui pembelajaran mesin dapat mengelola data sentimen yang luas, memastikan efisiensi waktu, dan meningkatkan akurasi dalam memahami opini dan preferensi masyarakat dengan cepat dan komprehensif. Dengan keunggulan ini, analisis sentimen berbasis pembelajaran mesin telah mendapatkan popularitas sebagai pilihan efektif untuk memahami perspektif, preferensi, dan respons masyarakat terhadap berbagai masalah dan peristiwa. Oleh karena itu, penelitian ini berfokus pada analisis sentimen mengenai opini masyarakat terhadap Pilpres 2024. Metode yang digunakan dalam penelitian ini adalah algoritma SVM dengan ekstraksi fitur Word2Vec. Peneliti tertarik untuk melakukan penelitian terkait analisis sentimen pemilu Presiden Indonesia tahun 2024 dengan menggunakan algoritma SVM karena akurasinya yang tinggi dibandingkan dengan algoritma lainnya. Penggunaan ekstraksi fitur bertujuan untuk meningkatkan kinerja dan efektivitas algoritma, dan Word2Vec dipilih karena dapat mewakili kesamaan kontekstual antara dua kata dalam vektor yang dihasilkan, memungkinkan klasifikasi teks berdasarkan konteks yang ringkas dan lebih baik. Hasil penelitian ini menunjukkan performa terbaik pada rasio 80:20 dengan skor presisi 88,94%, recall 93,08%, f1-score 90,43% dan akurasi 90,75%. Hasil penelitian ini mengungguli penelitian sebelumnya yang menggunakan metode SVM yang mencapai akurasi 82,3%.