Di era digital, aplikasi pinjaman online telah menjadi alat penting dalam memfasilitasi transaksi keuangan dan mendukung UMKM. Namun, adanya opini negatif terkait pelanggaran seperti pencurian data nasabah menimbulkan kekhawatiran di masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen terhadap aplikasi pinjaman online, khususnya Kredivo, dengan menggunakan kombinasi Regresi Logistik dan Naïve Bayes yang dioptimalkan melalui fitur Lexicons. Data diambil dari ulasan Google Play Store, kemudian dilakukan pelabelan, preprocessing, dan ekstraksi fitur melalui teknik TF-IDF. Model klasifikasi yang dibangun adalah Naive Bayes (NB) dan Logistic Regression (LR), dimana hasil dari kedua model tersebut digabungkan dengan metode ensemble voting menggunakan fitur lexicons. Hasil evaluasi menunjukkan bahwa pendekatan kombinasi dari ketiga metode tersebut dapat meningkatkan akurasi klasifikasi secara signifikan dibandingkan dengan penggunaan metode tunggal. Model gabungan tersebut mencapai akurasi sebesar 89,62%, lebih tinggi dari Regresi Logistik (86,19%) dan Naive Bayes (83,54%).