Aktivitas yang sudah umum dilakukan masyarakat di era digital ini, yaitu belanja secara online dan platform yang digunakan adalah e-commerce. Shopee merupakan salah satu e-commerce yang terkenal di Indonesia. Banyak platform e-commerce yang dapat diakses dengan mudah melalui aplikasi mobile, seperti Google Play Store. Pada Google Play Store, pengguna dapat memberikan ulasan atau penilaian tentang aplikasi yang telah mereka unduh. Ulasan yang diberikan oleh pengguna menjadi peluang bagi perusahaan e-commerce untuk meningkatkan kinerja dan layanan mereka. Untuk memudahkan pemahaman terhadap ulasan pengguna, diperlukan suatu sistem yang mampu menganalisis sentimen dengan efisien. Penelitian ini bertujuan untuk merancang dan menetapkan sistem yang dapat melakukan analisis sentimen terhadap aspek yang dipilih dan mengevaluasi kinerja model yang digunakan dalam menganalisis sentimen. Klasifikasi sentimen dilakukan dengan menggunakan algoritma Recurrent Neural Network (RNN) dan seleksi fitur Query Expansion Ranking untuk mengklasifikasikan ulasan aplikasi shopee menjadi dua kelas, yaitu positif dan negatif. Seleksi fitur digunakan untuk mengurangi fitur yang kurang berguna agar model klasifikasi melakukan proses klasifikasi dengan optimal dan lebih efisien. Kesimpulannya, hasil evaluasi dengan rasio split data 80:20 menunjukkan akurasi terbaik RNN pada aspek ongkos kirim adalah 95%, pada aspek kecepatan pengiriman adalah 94%, dan pada aspek akses aplikasi adalah 86%.
Kata kunci : shopee, google play store, recurrent neural network, query expansion ranking, ulasan