Setiap pembaruan versi aplikasi dapat memperoleh respons berbeda dari pengguna yang tercermin melalui ulasan pada tiap versi. Ulasan pengguna di Google Play Store memuat opini dan pengalaman terhadap aplikasi dalam bentuk teks yang besar dan tidak terstruktur, sehingga analisis manual kurang efektif dan diperlukan pendekatan otomatis berbasis Natural Language Processing (NLP). Metode Lexicon dan Machine Learning digunakan untuk membantu klasifikasi sentimen secara otomatis. Penelitian ini bertujuan untuk membandingkan performa algoritma Machine Learning, yaitu Support Vector Machine (SVM), Naïve Bayes, dan Random Forest dalam klasifikasi sentimen ulasan aplikasi Gojek, serta menganalisis perubahan sentimen pada setiap pembaruan versi aplikasi. Tahapan penelitian meliputi preprocessing data, pelabelan sentimen otomatis menggunakan kamus InSet Lexicon, pembobotan kata menggunakan TF-IDF, klasifikasi sentimen menggunakan algoritma SVM, Naïve Bayes, dan Random Forest, serta analisis perubahan sentimen berdasarkan versi aplikasi. Dataset bersumber dari Kaggle dan terdiri atas 45.881 ulasan pengguna Gojek versi 5.0.0 hingga 5.40.1. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki performa terbaik dengan accuracy sebesar 94,4% dan F1-score (Macro) sebesar 0,943. Nilai tersebut lebih tinggi dibandingkan Random Forest sebesar 0,917 dan Naïve Bayes sebesar 0,762. Selain itu, hasil analisis menunjukkan adanya perubahan sentimen positif, negatif, dan netral yang berbeda, sehingga menggambarkan perubahan persepsi pengguna pada setiap versi aplikasi.