Kepolisian Negara Republik Indonesia (Polri) merupakan institusi penting dalam pelayanan publik, termasuk pengurusan administrasi SIM dan SKCK. Untuk mendukung transformasi digital, Polri merilis aplikasi POLRI Presisi. Penelitian ini menganalisis sentimen ulasan pengguna terhadap fitur layanan SIM dan SKCK pada aplikasi tersebut. Sebanyak 4000 ulasan dikumpulkan melalui web scraping dari Google Play Store dan diberi label menggunakan pendekatan lexicon-based ke dalam tiga kelas: positif, negatif, dan netral. Ulasan diproses melalui cleaning, case folding, normalisasi, tokenisasi, negation handling, stopword removal, dan stemming. Fitur teks dikonversi menggunakan TF-IDF dan digabungkan dengan fitur leksikal. Synthetic Minority Oversampling Technique (SMOTE) diterapkan untuk menyeimbangkan data latih. Model klasifikasi dibangun menggunakan Support Vector Machine (SVM) dan dioptimalkan melalui GridSearchCV. Hasil penelitian menunjukkan distribusi sentimen sebesar 76,36% negatif, 12,23% netral, dan 11,41% positif. Model SVM mampu mengklasifikasikan sentimen dengan akurasi 91,50%, f1-score makro 0,82, dan ROC-AUC makro 0,9693. Temuan ini membuktikan efektivitas SVM dalam menganalisis sentimen ulasan pengguna aplikasi POLRI Presisi secara akurat.