Pemilihan presiden merupakan cerminan harapan dan aspirasi rakyat, menciptakan ruang diskusi dan ekspresi opini publik yang beragam setiap lima tahun. Analisis sentimen berperan penting dalam memahami pandangan masyarakat terhadap calon presiden, dengan Logistic Regression sebagai metode utama dalam klasifikasi opini. Penelitian ini bertujuan untuk menerapkan algoritma Logistic Regression dalam analisis sentimen terhadap calon presiden 2024, mengevaluasi pengaruh komposisi data training dan testing terhadap performa model, serta merancang dan membangun website yang dapat menampilkan hasil analisis sentimen dan menyediakan fitur prediksi. Metode yang digunakan melibatkan algoritma Logistic Regression dengan penerapan teknik oversampling untuk mengatasi ketidakseimbangan kelas dalam data. Temuan utama menunjukkan bahwa terdapat 6300 data dengan distribusi positif berjumlah 2763, negatif sebanyak 2143, dan netral sejumlah 1394. Perbandingan antara pemodelan dengan dan tanpa oversampling mengungkapkan bahwa model tanpa oversampling memiliki akurasi yang relatif rendah yaitu 60-62%, sedangkan model dengan oversampling menunjukkan peningkatan signifikan dengan akurasi 87% dan pada rasio 90:10 terbukti memberikan performa terbaik, dengan hasil yang sangat baik dalam membedakan kelas-kelas sentimen dan meningkatkan spesifikasi untuk semua kelas. Pada penelitian ini juga telah berhasil dibangun website yang berfungsi dengan baik serta bisa melakukan prediksi terhadap sentimen