Program Magang Magenta BUMN merupakan salah satu program pengembangan sumber daya manusia yang mendapat perhatian besar dari publik di media sosial X. Penelitian ini bertujuan menganalisis sentimen publik terhadap program tersebut menggunakan kombinasi Word2Vec arsitektur skip-gram dan Support Vector Machine (SVM) kernel Linear. Data penelitian terdiri atas 664 tweet berbahasa Indonesia yang dikumpulkan pada periode Januari 2023 hingga November 2025. Data diproses melalui enam tahap preprocessing, yaitu case folding, cleansing, normalisasi, tokenisasi, stopword removal, dan stemming. Pengujian dilakukan pada 18 kombinasi parameter yang mencakup variasi rasio data split, vector_size, dan window size. Hasil terbaik diperoleh pada split 80:20 dengan vector_size = 300 dan window = 7 yang menghasilkan akurasi 80,45%, presisi 78,46%, recall 80,95%, dan F1-score 79,69%. Nilai rata-rata cosine similarity sebesar 0,8991 menunjukkan bahwa model mampu menangkap hubungan kontekstual antar kata dalam domain Magenta BUMN. Analisis sentimen menunjukkan bahwa sentimen positif didominasi oleh aspek pengembangan karir dan kompensasi finansial, sedangkan sentimen negatif didominasi oleh isu transparansi seleksi dan permasalahan teknis platform.