Perkembangan internet kini telah menjadi bagian terpenting dalam kehidupan sehari-hari masyarakat di dunia. Peningkatan persentase pengguna internet dari tahun ke tahun menjadi salah satu indikatornya. Saat ini, media sosial Twitter diubah menjadi X oleh pemilik saham terbesar, Elon Musk. Aplikasi media sosial X tersebut kini sudah dapat dilihat pada versi desktop, namun logo ikonik burung biru masih terdapat pada versi ponsel. Setiap aplikasi terdapat rating dan ulasan yang dimaksudkan untuk memberikan manfaat dan kepercayaan kepada pengguna. Ulasan yang diberikan pengguna dapat berupa saran, kritik, maupun keluhan. Pengumpulan dan penyortiran ulasan ini disebut sebagai penambangan teks (text mining). Metode untuk mengumpulkan data informasi tersebut adalah metode web scraping. Analisis sentimen merupakan aplikasi dari text mining yang digunakan untuk mengetahui opini dari sekumpulan data tekstual tentang peristiwa atau topik tertentu. Dalam analisis sentimen diperlukan algoritme klasifikasi, seperti support vector machine (SVM). SVM adalah algoritme yang sering digunakan untuk klasifikasi data berbentuk teks karena mampu menangani data berdimensi tinggi. Seleksi fitur merupakan teknik yang digunakan untuk mengurangi atribut yang tidak relevan pada dataset. Dalam seleksi fitur dikenal N-gram yakni unigram, bigram, trigram, dan seterusnya. Penerapan seleksi fitur N-gram memiliki beberapa kelebihan, yaitu berfungsi dengan baik walaupun terdapat kesalahan tekstual, berjalan secara efisien, memerlukan penyimpanan yang sederhana, dan waktu proses yang cepat.Penelitian ini bertujuan untuk melakukan analisis sentimen pada ulasan aplikasi X di Google Play Store dengan SVM dan seleksi fitur unigram, bigram, dan trigram. Data yang digunakan pada penelitian ini adalah 15.757 ulasan aplikasi X dalam bahasa Inggris pada bulan Juli 2023 hingga Agustus 2023. Selanjutnya, dilakukan text preprocessing terhadap data ulasan tersebut. Data ulasan yang sudah melewati proses text preprocessing diberi label sentimen positif atau negatif dan diberi bobot. Data ulasan tersebut dibagi menjadi dua yaitu 80% atau 12.602 training dan 20% atau 3151 testing. Kemudian algoritme SVM dan seleksi fitur unigram, bigram, dan trigram diterapkan pada data training. Algoritme SVM dan seleksi fitur unigram, bigram, dan trigram tersebut digunakan untuk klasifikasi data testing. Klasifikasi pada data ulasan aplikasi X dengan SVM dan seleksi fitur unigram, bigram, dan trigram dinilai performanya menggunakan akurasi dan AUC. Berdasarkan hasil penelitian, diperoleh klasifikasi 3151 data testing. Klasifikasi SVM dan seleksi fitur unigram memiliki nilai akurasi tertinggi 90?n AUC 0,93 (sangat baik). Klasifikasi SVM dan seleksi fitur bigram memiliki nilai akurasi 78?ngan nilai AUC 0,81 (baik). Klasifikasi SVM dan seleksi fitur trigram memiliki nilai akurasi terendah 68?ngan nilai AUC 0,66 (buruk).