Penilaian pengguna terhadap suatu aplikasi dapat diketahui melalui ulasan yang diberikan pada platform distribusi aplikasi seperti Google play store dan App store. Ulasan tersebut mengandung informasi penting mengenai pengalaman dan kepuasan pengguna terhadap berbagai aspek layanan aplikasi. Namun, jumlah ulasan yang besar membuat proses analisis secara manual menjadi sulit dilakukan. Oleh karena itu, penelitian ini bertujuan untuk melakukan analisis sentimen berbasis aspek pada ulasan aplikasi Digitalent Mobile menggunakan metode Support Vector Machine (SVM). Dataset penelitian diperoleh melalui proses web scraping terhadap ulasan pengguna Digitalent Mobile pada Google play store dan App store. Data ulasan kemudian melalui tahap preprocessing yang meliputi cleaning, case folding, word normalization, tokenization, stemming, dan stopword removal. Ulasan dikelompokkan ke dalam dua aspek, yaitu aspek aplikasi dan aspek pelatihan, serta diklasifikasikan ke dalam dua kelas sentimen, yaitu positif dan negatif. Ekstraksi fitur dilakukan menggunakan metode Term Frequency– Inverse Document Frequency (TF-IDF), sedangkan ketidakseimbangan data ditangani menggunakan teknik random oversampling. Proses klasifikasi menggunakan algoritma SVM dengan tiga variasi kernel, yaitu linear, Radial Basis Function (RBF), dan polynomial. Evaluasi model dilakukan menggunakan metrik accuracy dan Area Under Curve (AUC) dengan tiga skenario pembagian data, yaitu 90:10, 80:20, dan 70:30. Hasil penelitian menunjukkan bahwa performa model berbeda pada setiap kernel dan aspek yang dianalisis. Pada aspek aplikasi, akurasi terbaik diperoleh sebesar 93,58% menggunakan kernel linear dengan pembagian data 70:30. Sementara pada aspek pelatihan, akurasi terbaik diperoleh sebesar 87,87% menggunakan kernel linear dengan pembagian data 80:20. Berdasarkan rata-rata performa model, kernel linear memiliki rata-rata accuracy tertinggi sebesar 90,25%, sedangkan kernel RBF memiliki rata-rata nilai AUC tertinggi sebesar 98,85%. Hasil ini menunjukkan bahwa pemilihan variasi kernel berpengaruh terhadap performa model dalam melakukan analisis sentimen berbasis aspek pada ulasan aplikasi mobile.