Sebuah aplikasi pada umumnya dikatakan baik hanya berdasarkan jumlah rating dan jumlah unduhan yang tinggi, dan hal itu tentu menjadi tidak relevan, sehingga peneliti tertarik untuk menjadikan opini tersebut sebagai bahan analisis sentimen pada aplikasi Ruangguru sehingga bisa menjadi evaluasi bagi aplikasi Ruangguru, sekaligus menentukan algoritma apa yang memiliki akurasi terbaik. Pada penelitian ini, peneliti menguji tiga model klasifikasi Naive Bayes, dan Support Vector Machine, dan Random Forest untuk menganalisis sentimen aplikasi Ruangguru. Teknik pengumpulan data diperoleh dengan menggunakan metode web scraping Google Play Store, dengan jumlah data yang dikumpulan yaitu sebanyak 1629 mulai dari tanggal 16 oktober 2022 hingga 11 februari 2023 dan juga berdasarkan review created version 4.5.3 sampai dengan versi 6.6.1. Hasil penelitian ini ditemukan bahwa Random Forest merupakan algoritma yang cukup stabil dalam peningkatan persentase mulai dari jumlah data terendah ke tinggi yaitu; 100:100, 200:200, 300:300, 499:499 bahkan dengan data yang tidak balance dengan jumlah data positive 1088 dan 499 untuk jumlah data negatif. Algoritma Random Forest memiliki akurasi yang paling baik yaitu 85,25% dengan pembobotan CV dan 84,56% dengan pembobotan TF-IDF, dibanding dengan algoritma SVM memiliki akurasi 81,74% untuk di kedua pembobotan baik CV & TF-IDF, dan Naïve Bayes memiliki akurasi 83,87% dengan pembobotan CV & 82,91% untuk TF-IDF.