Tujuan dari penelitian ini adalah untuk mengidentifikasi sentimen masyarakat terkait dengan kenaikan harga Bahan Bakar Minyak (BBM) menggunakan teknik Support Vector Machine (SVM). Data yang digunakan diambil dari komentar-komentar pada video YouTube mengenai topik ini, dengan total 462 komentar. Data tersebut kemudian melalui proses pembersihan, yang meliputi pengubahan huruf menjadi kecil, pemecahan teks menjadi token, penghapusan kata-kata tidak penting, dan pengembalian kata ke bentuk dasarnya. Mengingat adanya ketidakseimbangan antara sentimen positif dan negatif, teknik Synthetic Minority Oversampling Technique (SMOTE) digunakan untuk menyeimbangkan kedua kelas sentimen. Hasil analisis menunjukkan bahwa model SVM berhasil mengklasifikasikan sentimen negatif dengan tingkat akurasi 94%, namun kurang efektif dalam mengidentifikasi sentimen positif yang hanya mencapai 38%. Setelah penerapan SMOTE, akurasi keseluruhan model meningkat menjadi 84%. Secara keseluruhan, penelitian ini menunjukkan bahwa SVM yang dipadukan dengan SMOTE dapat memberikan hasil yang memadai dalam menganalisis sentimen publik mengenai isu kenaikan harga BBM, meskipun sentimen negatif lebih dominan. Hasil ini juga menggarisbawahi pentingnya penyeimbangan data dalam meningkatkan efektivitas model klasifikasi.