Penelitian ini meneliti analisis sentimen pada ulasan pengguna terhadap aplikasi Bank Digital Raya, menggunakan teknik Term Frequency-Inverse Document Frequency (TF-IDF) dan Support Vector Machine (SVM). Seiring dengan meningkatnya pertumbuhan perbankan digital di Indonesia, memahami umpan balik dari pengguna sangat penting untuk meningkatkan pengalaman pengguna. Dataset yang terdiri dari ulasan pengguna yang diambil dari Google Play Store, melalui langkah-langkah preprocessing termasuk pembersihan, case folding, penghilangan stopword, stemming, dan tokenisasi. Metode TF-IDF diterapkan untuk mengukur tingkat kepentingan kata, mengubah data teks menjadi vektor fitur, yang kemudian diklasifikasikan menggunakan SVM. Empat skenario eksperimental diuji untuk mengoptimalkan kinerja model: memvariasikan pembagian data (50:50 dan 80:20), mengevaluasi dampak stemming, membandingkan konfigurasi Unigram dan Bigram, dan menguji kernel SVM yang berbeda (Linear, Polinomial, RBF, dan Sigmoid). Hasil penelitian menunjukkan b