Menurut data jumlah pengguna kartu kredit di Indonesia mengalami penurunan dari tahun 2019 akhir hingga 2021 salah satu penyebabnya karena pandemi covid-19 yang melanda, karena kondisi ini banyak masyarakat yang mulai beralih ke kredit digital karena dianggap lebih meminimalisir penuluran virus dan proses nya dirasa lebih efisien dibandingkan harus menggunakan kartu kredit. Penelitian ini bertujuan untuk mengetahui perbandingan tingkat akurasi diantara algoritma ketiga algoritma, yaitu naïve bayes classifier, k-nearest neighbor dan support vector machine terhadap aplikasi kredit digital atau sering disebut loan service yaitu Kredivo, Akulaku, dan Indodana di Indonesia dengan mengklasifikasikannya kedalam dua kelas yakni positif dan negatif dengan menggunakan bantuan bahasa pemrograman phyton untuk menganalisa suatu sentimen dengan melewati proses text preprocessing dan pembobotan kata TF-IDF. Data diperoleh dari review pengguna aplikasi di google playstore dan total keseluruhan data yang diperoleh sebanyak 42.174 kemudian data dibagi dengan rincian 70 data latih dan 30 data uji. Hasil akurasinya pada aplikasi kredivo dengan menggunakan K-NN mendapatkan nilai 84%, Naïve Bayes 88%, dan SVM mendapat 89%. Untuk aplikasi akulaku metode K-NN mendapat 79%, Naïve Bayes 86%, dan SVM 87%. Sedangkan untuk aplikasi indodana metode K-NN mendapat 81%, Naïve Bayes 88%, dan SVM 88%. Dari hasil akurasi tersebut dapat disimpulkan bahwa metode Support Vector Machine memiliki hasil akurasi yang lebih baik dibandingkan dengan metode K-Nearest Neighbor dan Naïve Bayes.