Perkembangan teknologi informasi telah mendorong kemajuan pesat dalam sektor keuangan, terutama melalui Financial Technology (Fintech). Salah satu platform fintech yang sukses di Indonesia adalah AdaKami. Popularitas AdaKami menghasilkan berbagai ulasan pengguna di Google Play Store, mencakup sentimen positif maupun negatif. Penelitian ini bertujuan untuk membandingkan performa algoritma Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM) dalam analisis sentimen ulasan pengguna aplikasi AdaKami di Google Play Store. Analisis dilakukan dengan mengukur akurasi, presisi, recall, F1-score, waktu penyelesaian, dan efisiensi sumber daya. Data ulasan dikumpulkan melalui proses web scraping dan diproses menggunakan teknik preprocessing seperti case folding, normalization, tokenizing, stopword removal, dan stemming. Pembobotan Term Frequency-Inverse Document Frequency (TF-IDF) digunakan untuk mengekstraksi fitur dari data ulasan. Hasil penelitian menunjukkan bahwa SVM memiliki keunggulan dalam akurasi (0,95), presisi positif (0,95), presisi negatif (0,94), recall positif (0,94), recall negatif (0,96), F1-score positif (0,95), dan F1-score negatif (0,95) dibandingkan akurasi (0,94), presisi positif (0,94), presisi negatif (0,93), recall positif (0,93), recall negatif (0,94), F1-score positif (0,93), dan F1-score negatif (0,94) NBC. Namun, NBC lebih unggul dalam waktu pelatihan (0,0087 detik), waktu prediksi (0,0006 detik), dan penggunaan memori puncak (0,26 MiB) dibandingkan waktu pelatihan (0,2476 detik), waktu prediksi (0,0485 detik), dan penggunaan memori puncak (1,47 MiB). Penelitian ini memberikan wawasan penting bagi pengembang aplikasi fintech dalam memilih metode analisis sentimen yang sesuai dengan kebutuhan mereka untuk meningkatkan kualitas layanan berdasarkan umpan balik pengguna secara lebih efektif.