Kemajuan teknologi membawa lahirnya Fintech, yang menggabungkan sistem keuangan dengan teknologi untuk memberikan layanan seperti penyimpanan uang digital dan pinjaman online (pinjol). Penggunaan pinjol di Indonesia meningkat pesat karena kemudahan akses dan proses pengajuan, meskipun disertai dengan isu-isu seperti penipuan, bunga tinggi, dan penagihan yang tidak etis. Analisa sentimen diperlukan untuk membantu memahami pandangan masyarakat terhadap pinjol. Ini penting untuk meningkatkan transparansi, perlindungan konsumen, dan membangun kepercayaan pada industri pinjol yang berkelanjutan. Penelitian ini tidak hanya bertujuan untuk menggali opini dan persepsi masyarakat terhadap pinjol, tetapi juga untuk menilai keefektifan dua pendekatan analisis sentimen yang berbeda dalam konteks spesifik ini. Metode yang digunakan dalam penelitian ini adalah Naive Bayes Classifier dan Lexicon yang akan di proses menggunakan tiga rasio data training dan data testing yang berbeda yaitu 90:10, 80:20, dan 70:30. Data mentah sebanyak 2.441 berupa data tweet dari Twitter (X) berhasil dikumpulkan melalui proses scraping data menggunakan program Tweet-Harvest dengan kata kunci "pinjol" dan "pinjaman online". Setelah melalui tahap preprocessing, jumlah data berkurang menjadi 2.329 data. Pengujian akan dilakukan menggunakan metode Confusion Matrix, yang berguna untuk mengevaluasi performa dari metode Naive Bayes Classifier dalam mengklasifikasi data berupa nilai akurasi, presisi, recall, dan F1-Score. Hasil penelitian ini menunjukkan bahwa sentimen masyarakat mengenai pinjaman online cenderung bersentimen negatif dengan jumlah 1.643 data, 491 data bersentimen positif, dan 195 data bersentimen netral. Klasifikasi dengan rasio 90:10 memiliki tingkat akurasi tertinggi di 73,81%, hal ini menunjukkan bahwa jumlah data training mempengaruhi tingkat akurasi dari model klasifikasi menggunakan metode Naive Bayes Classifier.