Pembelajaran jarak jauh selama wabah pandemi covid-19 menyebabkan banyak siswa memanfaatkan platform e-learning sebagai media belajar tambahan dari rumah. Ruangguru menempati peringkat pertama sebagai aplikasi e-learning dengan pengguna terbanyak di Indonesia. Penelitian ini bertujuan untuk melakukan analisis sentimen pada ulasan aplikasi Ruangguru di google play store dengan pendekatan pelabelan ulasan berdasarkan Indonesian Sentiment Lexicon, dan membandingkan kinerja algoritma deep learning yaitu Long Short-Term Memory (LSTM) dengan beberapa algoritma machine learning klasik. Pada model LSTM dilakukan optimasi hyperparameter untuk mendapatkan model dengan kinerja terbaik, optimasi pada jumlah neurons dan dropout value, dengan ratio data latih, data validasi dan data uji sebesar 6:2:2. Hasil pelabelan menunjukkan bahwa terdapat 52.838 ulasan posistif, 6.471 ulasan negatif dan 5.875 ulasan netral dari total keseluruhan dataset, sehingga sentimen pengguna terhadap aplikasi Ruangguru adalah dominan positif. Eksperimen menunjukkan model LSTM mencapai accuracy terbaik sebesar 94,75% pada kombinasi jumlah neurons sebanyak 60 dan dropout value sebesar 0,2. Sedangkan hasil pengukuran kinerja pada beberapa algoritma machine learing klasik yaitu Support Vector Machine (SVM), Random Forest, K-Nearest Neighbour (KNN) dan Naïve Bayes memiliki nilai accuracy berturut-turut sebesar 92,89%, 91,51%, 86,25% dan 18,97%.
Kata kunci: Analisis Sentimen, Ruangguru, Deep Learning, Long Short-Term Memory dan Algoritma Machine Learning Klasik.