Perkembangan teknologi informasi mendorong perbankan untuk meluncurkan aplikasi mobile banking yang dikenal dengan m-Banking. Di era globalisasi yang semakin maju, layanan perbankan harus mampu beradaptasi dengan cepat, mudah, dan fleksibel. Perbankan berlomba-lomba meluncurkan dan memperluas layanan mobile banking, salah satunya Bank Jatim. Bank Jatim telah memperkenalkan aplikasi berbasis mobile bernama JConnect Mobile. Nasabah Bank Jatim telah menilai pengalaman menggunakan aplikasi JConnect Mobile dan memberi ulasan di Play Store. Ulasan yang diberikan dapat berupa saran, kritik, maupun keluhan. Metode yang sama untuk mengumpulkan data informasi tersebut adalah metode web scraping. Web scraping adalah proses mengekstraksi dokumen semi-terstruktur dari internet. Analisis sentimen adalah studi pemrosesan dari opini-opini, sentimen, serta emosi yang dinyatakan dalam teks. Terdapat teks dalam dokumen, kalimat, atau opini dengan aspek positif atau negatif. Dalam hal ini, digunakan TextBlob untuk menentukan sentimen teks, yang dapat membantu dalam labeling data positif dan negatif. Dalam mengklasifikasikan sentimen public negatif dan positif dengan mengusulkan algoritme Multinomial Naïve Bayes (MNB). Metode MNB dipilih karena dapat melakukan perhitungan cepat untuk mengklasifikasikan dokumen teks dan menyelesaikan permasalahan kelas. Chi-Square diterapkan pada kasus frekuensi data yang diamati sama dengan frekuensi harapan atau frekuensi teoritis. Chi-Square digunakan untuk mengurangi gangguan (noise) pada klasifikasi.Penelitian ini bertujuan untuk menganalisis sentimen pada ulasan penggunaan aplikasi JConnect Mobile di Play Store dengan MNB dan seleksi fitur Chi-Square. Data yang digunakan pada penelitian ini adalah 7069 ulasan penggunaan aplikasi JConnect Mobile pada bulan September 2016 hingga Januari 2024. Ulasan diterjemahkan ke dalam bahasa Inggris. Selanjutnya, dilakukan data preprocessing terhadap ulasan tersebut. Ulasan yang telah dilakukan proses data preprocessing diberi label sentimen positif atau negatif dan diberi bobot. Ulasan tersebut dibagi menjadi dua yaitu 80?ta training atau 5638 ulasan dan 20?ta testing atau 1410 ulasan. Kemudian diterapkan seleksi fitur Chi-Square dan algoritme MNB pada data training. Seleksi fitur Chi-Square dan algoritme MNB tersebut digunakan untuk klasifikasi data testing. Klasifikasi pada ulasan penggunaan aplikasi JConnect Mobile dengan MNB dan seleksi fitur Chi-Square dinilai performanya menggunakan akurasi.Berdasarkan hasil penelitian, diperoleh hasil klasifikasi pada 1410 data testing yaitu 17 ulasan dengan label sentimen positif dan 1393 ulasan dengan label sentimen negatif. Klasifikasi algoritme MNB dan seleksi fitur Chi-Square pada ulasan aplikasi JConnect Mobile memiliki nilai akurasi 87,65%.