Analisis sentimen terhadap ulasan aplikasi Vidio di Google Play Store menjadi tantangan karena banyaknya data tidak terstruktur yang sulit dikelola secara manual. Penelitian ini penting karena dapat membantu pengembang aplikasi memahami opini pengguna secara lebih mendalam dan efisien. Saat ini, pendekatan manual sering menghasilkan analisis yang tidak optimal, dan ketidakseimbangan data antara ulasan positif dan negatif menjadi kendala utama yang memengaruhi performa model klasifikasi. Penelitian ini menggunakan 2100 data yang dilabeli secara manual dan melalui tahapan preprocessing untuk mempersiapkan data ulasan. Klasifikasi dilakukan dengan algoritma Support Vector Machine dengan pembobotan fitur menggunakan TF-IDF. Penanganan ketidakseimbangan data dengan menerapkan teknik Synthetic Minority Oversampling Technique. Hasil klasifikasi dengan pembagian data menggunakan cross-validation menunjukkan accuracy tertinggi diperoleh SVM menggunakan SMOTE mencapai 90%. Sementara itu, accuracy sebesar 89% diperoleh SVM tanpa menggunakan SMOTE dengan nilai recall 69% sedangkan SVM menggunakan SMOTE mencapai 77%. Kesimpulan dari hasil ini menunjukkan penggunaan teknik SMOTE dapat meningkatkan keakuratan model dalam menangani ketidak seimbangan dataset.
Kata Kunci: Analisis Sentimen, Vidio, Support Vector Machine, SMOTE