Analisis sentimen merupakan proses fundamental untuk mengekstrak opini publik dari ulasan pengguna aplikasi mobile banking, yang dianggap sebagai sumber data yang transparan dan menjadi indikator krusial bagi kepuasan serta risiko reputasi layanan digital. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model klasifikasi sentimen guna menganalisis polaritas ulasan pengguna aplikasi BSGtouch yang diperoleh dari Google Play Store. Metode machine learning diterapkan dengan algoritma Support Vector Machine (SVM). Dalam tahap pre-processing, data diperoleh melalui web scraping, dibersihkan, dan difokuskan pada penggunaan normalisasi kata (kamus normalisasi) untuk menghasilkan kosakata fitur yang terkonsolidasi, kemudian dibobot menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) sebelum model dilatih dan diuji. Hasil analisis sentimen menunjukkan distribusi polaritas yang relatif seimbang, yakni 50,9% ulasan positif dan 49,1% ulasan negatif. Model yang dihasilkan membuktikan kinerja yang sangat kuat dan seimbang untuk kedua kelas dengan F1-score 0,89, mengindikasikan kecakapan prediktif yang setara untuk polaritas positif maupun negatif, dengan akurasi mencapai 88,35% pada data uji. Pembahasan menunjukkan bahwa meskipun akurasi model tinggi, persentase sentimen negatif yang signifikan (49,1%) merefleksikan adanya isu kritis yang perlu segera ditangani. Kesimpulan penelitian ini secara empiris menegaskan bahwa temuan distribusi sentimen tersebut mengharuskan PT Bank SulutGo memprioritaskan penyelesaian masalah teknis pada aplikasi mobile banking BSGtouch demi menjaga dan meningkatkan kualitas layanan berdasarkan opini dari ulasan pengguna.