Persepsi Masyarakat terhadap layanan rumah sakit terlihat dari ulasan yang ditulis secara daring, salah satunya melalui platform Google Maps. Ulasan tidak hanya memberikan informasi bagi calon pasien, tetapi juga mencerminkan pengalaman subjektif yang dapat dimanfaatkan untuk evaluasi layanan secara menyeluruh. Dalam penelitian ini, dilakukan analisis sentimen terhadap ulasan rumah sakit yang ada di wilayah Purwokerto, dengan menggunakan metode Long Short-Term Memory (LSTM). Data yang digunakan berasal dari 17.261 ulasan berbahasa Indonesia yang dikumpulkan melalui proses web scrapping. Tahapan analisis mencakup pre-processing teks, seperti konversi karakter, pembersihan data, normalisasi, tokenisasi, penghapusan stopword, dan stemming, serta pelabelan sentimen menggunakan leksikon SenticNet dan penyeimbangan data dengan metode Synthetic Minority Over-Sampling Technique (SMOTE). Model LSTM yang dibangun dan dievaluasi menggunakan metrik akurasi, precision, recall, dan f1-score. Hasil model LSTM mampu mengklasifikasikan sentimen dengan akurasi sebesar 86%, yang menunjukan model efektif dalam memahami isi ulasan. Penelitian ini menunjukan bahwa deep learning dapat dimanfaatkan untuk menganalisis opini publik, khususnya di sektor kesehatan, dan bisa menjadi bahan pertimbangan dalam upaya peningkatan kualitas layanan rumah sakit.