Tragedi Kanjuruhan pada 1 Oktober 2022 meraih atensi masyarakat luas. Masyarakat menggunakan sosial media sebagai tempat mencurahkan emosi mereka. Muncul berbagai persepsi yang terkandung dalam unggahan-unggahan mereka. Unggahan berisi tanggapan terhadap kasus tersebut dapat digunakan sebagai media analisis sentimen. Metode supervised learning Support Vector Machine (SVM) dengan pengembangan fitur menggunakan Word2Vec dan TF-IDF sebagai pembobotan digunakan pada penelitian tugas akhir ini. Ada tiga kernel SVM yang digunakan, yaitu: rbf, linear, dan polynomial. Pada proses pelatihan, terdapat dua jenis data latih dan tiga skema split data tiap kernelnya. Dua data latih tersebut ialah data latih dengan oversampling dan data latih tanpa oversampling. Setelah pengujian dilakukan, didapatkan penggunaan oversampling tidak terlalu mempengaruhi akurasi pada set data ini. Hasil akurasi terbaik didapatkan ketika train model menggunakan kernel RBF, rasio split 70:30, dan menggunakan oversampling. Dari pengujian, akurasi dengan penggunaan oversampling terbilang stabil pada seluruh rasio split dan kernel, dengan tidak menunjukkan perbedaan yang besar.