Pertumbuhan layanan internet di Indonesia semakin pesat, salah satunya ditandai dengan tingginya jumlah pelanggan IndiHome. Namun, peningkatan jumlah pelanggan diiringi pula dengan banyaknya ulasan dan keluhan yang disampaikan melalui berbagai platform digital. Permasalahan utama dalam konteks ini adalah bagaimana mengolah dan menganalisis ulasan-ulasan pelanggan tersebut secara efisien untuk memahami sentimen dan kualitas layanan secara objektif. Topik ini menjadi penting karena ulasan pelanggan dapat menjadi acuan strategis bagi penyedia layanan dalam meningkatkan kualitas dan kepuasan pengguna. Penelitian ini mengusulkan solusi berupa analisis sentimen menggunakan pendekatan Recurrent Neural Network (RNN)-Long Short-Term Memory (LSTM) yang mampu menangani urutan kata dan konteks dalam data teks. Model LSTM dipilih karena kemampuannya dalam mengatasi permasalahan vanishing gradient serta mempertahankan informasi kontekstual yang penting dalam data sekuensial seperti ulasan pelanggan. Data ulasan dikumpulkan dari platform X mengenai IndiHome, kemudian diproses dan dilabeli secara manual untuk pelatihan model. Hasil penelitian menunjukkan bahwa model RNN-LSTM mampu mengklasifikasikan sentimen pelanggan secara akurat dengan nilai akurasi mencapai 0.89, serta memberikan wawasan yang signifikan mengenai persepsi pelanggan terhadap layanan IndiHome. Temuan ini diharapkan dapat menjadi referensi bagi pengambilan keputusan strategis oleh perusahaan serta memperkaya literatur dalam bidang analisis sentimen berbasis deep learning.
Kata Kunci: analisis sentimen, indihome, RNN, LSTM, ulasan pelanggan, deep learning.