Program Pemberian Makanan Sehat secara Gratis yang diluncurkan oleh pemerintah menerima beragam reaksi dari masyarakat, khususnya melalui media sosial seperti Twitter. Studi ini dilakukan untuk mengevaluasi perasaan publik mengenai program itu dengan tujuan memberikan gambaran opini publik yang lebih terstruktur dan terukur. Data diperoleh dari Twitter dengan teknik crawling, kemudian melewati proses preprocessing, normalisasi, dan konversi menjadi representasi numerik menggunakan teknik TF-IDF. Selanjutnya, sentimen dikategorikan melalui penerapan algoritma Support Vector Machine (SVM) ke dalam tiga kelas: positif, negatif, dan netral. Hasil penelitian menunjukkan bahwa model tersebut berhasil dengan akurasi mencapai 80% dan weighted F1-score di angka 0,76. Sentimen positif menjadi kategori yang paling dominan dan terdeteksi dengan akurasi tinggi, ditunjukkan oleh nilai recall sebesar 0,98 dan F1-score sebesar 0,88. Sebaliknya, pendapat netral dan negatif masih memperlihatkan kelemahan dalam klasifikasi, terutama dari sisi recall dan F1-score yang sangat rendah. Temuan ini mengindikasikan bahwa model SVM bisa digunakan secara efisien untuk menganalisis opini publik dalam bahasa Indonesia, khususnya pada isu kebijakan sosial yang banyak dibicarakan di media sosial.