Periode 100 hari pertama pemerintahan menjadi momentum krusial untuk menganalisis persepsi masyarakat terhadap kepemimpinan baru. Penelitian ini bertujuan mengimplementasikan Support Vector Machine (SVM) untuk menganalisis sentimen masyarakat Indonesia terhadap 100 hari pertama pemerintahan Prabowo-Gibran berdasarkan data Twitter/X. Metodologi penelitian menggunakan framework Knowledge Discovery in Databases (KDD) yang mencakup pengumpulan data, preprocessing, transformasi, data mining, dan evaluasi. Data dikumpulkan melalui web scraping menggunakan Selenium dari periode 20 Oktober 2024 hingga 28 Januari 2025 berdasarkan enam kata kunci relevan, menghasilkan 5.136 tweet yang kemudian diproses menjadi 4.631 data unik setelah penghapusan duplikat. Preprocessing meliputi text cleaning, tokenisasi, stemming menggunakan Sastrawi, dan pelabelan sentimen dengan pendekatan lexicon-based. Transformasi data menggunakan TF-IDF dengan pembagian 80:20 untuk training dan testing. Model SVM dengan kernel linear berhasil mencapai akurasi 85% dengan performa terbaik pada klasifikasi sentimen negatif (precision 0.86, recall 0.95, F1-score 0.90) dan sentimen positif (precision 0.83, recall 0.75, F1- score 0.79). Hasil analisis menunjukkan dominasi sentimen negatif yang mencerminkan sikap kritis masyarakat terhadap implementasi kebijakan awal. Penelitian ini memberikan kontribusi dalam pengembangan sistem analisis sentimen berbahasa Indonesia untuk monitoring opini publik terhadap pemerintahan.