Televisi merupakan salah satu media informasi yang penting di Indonesia, karena mampu menyampaikan informasi secara cepat dan efektif. Berdasarkan survei yang dilakukan oleh Kementerian Komunikasi dan Informatika (Kemkominfo) bersama Katadata Insight Center (KIC), televisi menempati peringkat kedua sebagai sumber informasi utama setelah media sosial. Perkembangan teknologi yang pesat telah mendorong migrasi dari sistem siaran televisi analog ke digital. Dalam konteks ini, analisis sentimen terhadap program tayangan televisi menjadi penting untuk memahami opini masyarakat.Penelitian ini bertujuan untuk melakukan analisis sentimen terhadap program tayangan TV dengan menggunakan data sosial media. Proses analisis sentimen ini mengandalkan teknik word embedding dan algoritma machine learning, khususnya Support Vector Machine (SVM), untuk mengklasifikasikan opini publik sebagai positif atau negatif. Teknik word embedding yang digunakan perbandingan dalam penelitian ini adalah word2vec dan TF-IDF,yang berfungsi untuk memetakan kata-kata dalam teks menjadi vektor-vektor yang dapat dianalisis lebih lanjut. Dengan menggunakan metode SVM, hasil analisis ini bertujuan untuk mengklasifikasikan sentimen dari data teks yang diperoleh, khususnya pada ulasan program tayangan televisi yang diambil dari platform sosial media. Namun didalam aplikasi penggunakan dilakukan TF-IDF dan SVM. Hasil dari penelitian ini diharapkan dapat memberikan wawasan mengenai persepsi publik terhadap program televisi tertentu, yang dapat dijadikan referensi bagi kebijakan media, peningkatan layanan, dan evaluasi produk dalam industri pertelevisian.