Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sentimen pengguna aplikasi DANA di Google Play Store menggunakan metode Support Vector Machine (SVM), dan 2) menerapkan metode SVM guna meningkatkan akurasi dan efektivitas klasifikasi. Penelitian ini menggunakan pendekatan kuantitatif dengan penyajian secara deskriptif. Teknik pengumpulan data dilakukan dengan scraping ulasan pengguna dari Google Play Store. Data yang diperoleh sebanyak 5.999 ulasan kemudian dianalisis melalui tahapan preprocessing(cleaning, normalisasi, tokenisasi, stopword removal, dan stemming), pembobotan TF-IDF, serta klasifikasi menggunakan algoritma SVM. Untuk mengatasi ketidakseimbangan kelas, dilakukan balancing data menggunakan Random Over Sampler. Hasil klasifikasi menunjukkan bahwa model berhasil mengelompokkan ulasan ke dalam tiga kategori: positif (56,3%), negatif (26,9%), dan netral (16,8%). Evaluasi performa model setelah b balancing data menunjukkan akurasi sebesar 91%yang sebelumnya hanya mencapai 79,71%, Implementasi model dengan berbasis streamlit juga dapat membantu proses analisis sentimen secara otomatis dan efisien terhadap aplikasi DANA.