Peningkatan pengguna secara signifikan pada TikTok mempengaruhi jumlah ulasan berupa opini yang diberikan kepada aplikasi tersebut. Opini-opini dalam jumlah besar tersebut dapat dianalisis untuk melihat kecenderungan sentimen oleh masyarakat terhadap aplikasi. Metode analisis sentimen menggunakan machine learning sangat sesuai dengan permasalahan tersebut karena dianggap praktis dan efisien. Tujuan dari penelitian ini untuk membangun model yang dapat digunakan sebagai alat analisis sentimen secara otomatis dengan tingkat akurasi yang baik. Penerapan algoritma BiLSTM yang dipadukan dengan IndoBERT yang merupakan pre-trained model digunakan pada penelitian ini. BiLSTM mampu memahami hubungan antara kata-kata dalam kalimat dengan baik secara dua arah. IndoBERT relevan dengan penelitian ini karena merupakan sebuah model yang telah dilakukan fine-tuning menggunakan dataset bahasa Indonesia dari berbagai sumber yang ada di Internet. Untuk mendukung penelitian ini, dibuat skenario dengan mempertimbangkan berbagai aspek ketika menambahkan metode sebagai skema optimasi hingga mendapatkan model yang tepat. Hasil dari eksperimen menunjukkan bahwa sentimen analisis menggunakan metode BiLSTM+IndoBERT mendapatkan akurasi tertinggi mencapai 81% pada pengujian classification report dan mendapat rata-rata akurasi mencapai 92,03% pada pengujian cross validation dengan jumlah 10 folds.