Pemilihan Gubernur Jawa Timur 2024 menjadi topik perbincangan yang luas di Twitter, mencerminkan opini publik terhadap pasangan calon. Penelitian ini menggunakan Support Vector Machine (SVM) untuk mengklasifikasikan sentimen tweet secara otomatis. Data dikumpulkan melalui Tweet-Harvest, kemudian diproses menggunakan teknik pre-processing seperti case folding, tokenisasi, penghapusan karakter khusus, serta normalisasi kata. Selanjutnya, data direpresentasikan dengan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk membangun fitur yang digunakan dalam klasifikasi. Model diuji dalam beberapa skenario, termasuk eksperimen dengan Synthetic Minority Over sampling Technique (SMOTE) untuk menangani ketidakseimbangan data, serta pengaruh stopword removal terhadap performa model. Evaluasi dilakukan menggunakan confusion matrix dengan metrik Accuracy, Precision, Recall, dan F1-Score. Hasil menunjukkan pendekatan terbaik tanpa stopword removal dan tanpa SMOTE, dengan akurasi mencapai 0.67. Keberadaan stopw