Penanganan aduan lalu lintas yang efektif di Surabaya memerlukan identifikasi cepat terhadap tingkat urgensi setiap laporan. Penelitian ini mengembangkan sistem klasifikasi otomatis menggunakan metode Support Vector Machine (SVM) dengan pembobotan TF-IDF untuk mengelompokkan aduan menjadi tiga kategori: ringan, sedang, dan fatal. Data diambil dari platform X (Twitter) yang menyebut akun @e100ss selama Desember 2022 hingga Desember 2023, kemudian melalui tahap preprocessing dan augmentasi dengan teknik back translation untuk menangani ketidakseimbangan kelas. Hasil eksperimen menunjukkan bahwa kombinasi TF-IDF dengan kernel RBF (C=1, gamma=‘scale’) menghasilkan akurasi sebesar 72,94% dan macro F1-score 0,71, meningkat signifikan dibanding baseline. Sistem ini telah diimplementasikan dalam bentuk dashboard web interaktif menggunakan Streamlit untuk memudahkan visualisasi hasil klasifikasi. Temuan ini menunjukkan bahwa pendekatan SVM dapat membantu Dinas Perhubungan dan Radio Suara Surabaya dalam memprioritaskan penanganan aduan secara efisien dan akurat.