Di era digital seperti sekarang ini, media sosial telah menjadi platform utama bagi untuk menyuarakan pendapatnya mengenai isu-isu sosial dan politik. Salah satu topik yang paling banyak diperbincangkan adalah program makan siang gratis Presiden terpilih Prabowo Subianto dan Wakil Presiden terpilih Gibran Rakabuming Raka. Program ini memicu berbagai reaksi publik, sehingga relevan untuk analisis sentimen. Tujuan dari penelitian ini adalah untuk membandingkan kinerja dua algoritma klasifikasi teks Naïve Bayes Classifier dan Support Vector Machine (SVM) dalam mengklasifikasikan sentimen masyarakat terhadap program tersebut. Dataset diperoleh dari Kaggle, dengan 657 data awal. Setelah dilakukan preprocessing, tersisa 158 data yang terdiri dari 127 sentimen negatif dan 31 sentimen positif. Pemrosesan data mengikuti kerangka kerja CRISP-DM, dengan Python dan Scikit-learn yang digunakan dalam pelatihan model. Hasilnya menunjukkan bahwa pengklasifikasi Naïve Bayes Classifier memiliki performa yang lebih baik dengan akurasi 75.00%, presisi 56.22%, dan recall 75.00% dan F1 Score 64.29%. Sedangkan Support Vector Machine menunjukkan kinerja yang lebih rendah di semua metrik. Analisis dilakukan dengan menggunakan Jupyter Notebook, dan model akhir diimplementasikan melalui antarmuka web berbasis Flask.