Perkembangan era digital membawa dampak besar pada berbagai aspek kehidupan, termasuk transportasi berbasis aplikasi. Salah satu layanan populer di Indonesia adalah Gojek yang menawarkan fitur ojek online, pengiriman makanan, dan jasa kurir. Peningkatan pengguna smartphone mendorong semakin banyak masyarakat menggunakan Gojek, sehingga ulasan pelanggan perlu dianalisis untuk menjaga kualitas layanan dan daya saing. Analisis sentimen menjadi penting guna memahami opini pengguna agar perusahaan dapat merespons kebutuhan dengan tepat. Penelitian ini menerapkan algoritma Long Short-Term Memory (LSTM), varian Recurrent Neural Network (RNN) dengan cell state dan mekanisme gate (input, forget, output) yang mengatur aliran informasi. Struktur ini memungkinkan LSTM menyimpan informasi relevan serta membuang yang tidak penting, sehingga mampu menangkap pola jangka pendek maupun panjang pada teks ulasan. Dataset berupa ulasan Gojek periode 2021–2024 dianalisis dengan skenario split 70:30. Hasil pengujian menunjukkan LSTM mencapai akurasi 78%. Penerapan Synthetic Minority Oversampling Technique (SMOTE) efektif mengatasi ketidakseimbangan kelas dan meningkatkan f1-score tiap kelas (0: 0,73; 1: 0,75; 2: 0,85), khususnya pada kelas netral yang sebelumnya tidak terdeteksi. Dengan demikian, kombinasi LSTM dan SMOTE menghasilkan analisis sentimen yang lebih seimbang.