Meningkatnya kesadaran masyarakat terhadap pentingnya perawatan kulit mendorong peningkatan penjualan beauty product di Indonesia, sehingga memicu banyaknya ulasan daring yang memerlukan sistem analisis Long Short-Term Memory (LSTM) dan Indonesian Bidirectional Encoder Representations from Transformers (IndoBERT) untuk analisis sentimen ulasan produk kecantikan pada platform Female Daily. Penelitian ini mengkaji perbandingan kinerja model. Data diperoleh melalui teknik scraping dari forum Female Daily, kemudian dilakukan tahapan pre-processing dan pelabelan sentimen secara manual. LSTM menggunakan representasi fitur Word2Vec, sedangkan IndoBERT memanfaatkan pre-trained model berbasis transformer. Hasil evaluasi menunjukkan IndoBERT memberikan performa lebih baik dibandingkan LSTM. LSTM menghasilkan akurasi sebesar 0.86, dan f1-score 0.8602, sedangkan IndoBERT mencapai akurasi sebesar 0.8803 dan f1-score sebesar 0.8801. Perbedaan ini menunjukkan keunggulan arsitektur transformer IndoBERT dalam memahami konteks bahasa Indonesia yang kompleks. Penelitian ini memberikan kontribusi terhadap pemilihan model analisis sentimen yang tepat dalam domain kecantikan berbasis ulasan pengguna.