Semakin berkembangnya teknologi, banyak aplikasi dan sosial media yang mempermudah penggunanya untuk melakukan berbagai keinginan, salah satunya meminjam uang secara online pada aplikasi pinjaman online dengan syarat yang mudah. Adanya kemudahan yang diberikan menyebabkan banyak pelanggaran yang dilakukan oleh oknum yang tidak bertanggung jawab, misalnya pembobolan informasi dan data penting pengguna aplikasi pinjaman online. Hal itu menyebabkan banyak masyarakat melontarkan komentar dan opini mereka di media sosial terutama di twitter. Analisa sentimen dilakukan untuk melihat kecenderungan opini masyarakat termasuk kedalam sentimen negatif, netral, atau positif. Selanjutnya opini masyarakat akan diklasifikasi menggunakan dua algoritma yaitu algoritma Support Vector Machine (SVM) dan Decision Tree. Tujuan dari penelitian ini adalah untuk membandingkan kinerja algoritma klasifikasi SVM dan Decision Tree pada kecenderungan opini masyarakat di twitter mengenai pinjaman online. Selanjutnya dilakukaan optimasi menggunakan SMOTE yang bertujuan untuk mengoptimalkan akurasi dari kedua algoritma. Hasil penelitian didapatkan sentimen netral sebanyak 78,96%, sentimen positif sebanyak 14,98%, dan sentimen negatif sebanyak 6.06%, masyarakat lebih condong ke sentimen netral. Lalu dilakukan klasifikasi menggunakan SVM mendapatkan akurasi sebesar 87% dan pada Decision Tree mendapatkan akurasi sebesar 89%. Kemudian untuk mengoptimalkan hasil kinerja dari kedua algoritma maka dilakukan optimasi menggunakan SMOTE. Setelah dilakukan optimasi SMOTE hasil akurasi yang dihasilkan SVM sebesar 99% dan Decision Tree sebesar 97%. Optimasi menggunakan SMOTE membuktikan bahwa algoritma SVM lebih unggul dibandingkan Decision Tree.