Perkembangan teknologi informasi yang pesat telah mendorong meningkatnya interaksi pengguna dengan aplikasi digital, salah satunya melalui ulasan di platform Google Play Store. Ulasan pengguna terhadap aplikasi dapat mencerminkan kepuasan atau ketidakpuasan, yang bermanfaat bagi pengembang untuk evaluasi dan peningkatan layanan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen positif dan negatif pada ulasan pengguna aplikasi GetContact dengan menerapkan algoritma Naïve Bayes. Data yang digunakan berupa 1000 ulasan berbahasa Indonesia yang dikumpulkan melalui teknik web scraping, kemudian diberi label oleh ahli bahasa. Tahapan penelitian meliputi preprocessing data seperti cleaning, tokenizing, case folding, stopword removal, punctuation removal, dan stemming. Setelah itu, dilakukan pembobotan fitur menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), dilanjutkan dengan klasifikasi menggunakan Multinomial Naïve Bayes. Evaluasi performa model dilakukan dengan metrik akurasi, presisi, recall, dan f1-score. Hasil klasifikasi menunjukkan bahwa algoritma Naïve Bayes mampu mengklasifikasikan sentimen dengan tingkat akurasi sebesar 87%, presisi 0,87, recall 0,89, dan f1-score 0,88. Penelitian ini membuktikan bahwa Naïve Bayes merupakan algoritma yang efektif dan efisien dalam menganalisis sentimen ulasan aplikasi berbahasa Indonesia, serta dapat dijadikan referensi untuk pengembangan sistem analisis opini di masa depan.