Penelitian ini membahas tentang Aspect-Based Sentiment Analysis yang bertujuan untuk mengevaluasi atau mengetahui kelebihan dan kekurangan berdasarkan review pengguna aplikasi novel online yang digunakan bahan evaluasi agar perusahaan dapat meningkatkan kualitas aplikasi. Pada penelitian ini, dilakukan klasifikasi sentimen berdasarkan aspek menggunakan metode Bidirectional Encoder Representations from Transformers. Penentuan jumlah aspek dilakukan dengan pemodelan topik menggunakan Latent Dirichlet Allocation, menghasilkan 4 aspek dominan yaitu manfaat, pelayanan, tampilan, dan sistem. Karena data yang digunakan pada penelitian ini imbalanced maka dilakukanlah teknik SMOTE. Klasifikasi sentiment pada aspek Manfaat mendapatkan nilai F1 52%, untuk teknik SMOTE diperoleh F1 (78%) dan AUC cukup baik (98%). Klasifikasi sentiment pada aspek Tampilan mendapatkan nilai, F1 46%, untuk teknik SMOTE diperoleh F1 (54%) dan AUC cukup baik (88%). Klasifikasi sentiment pada aspek sistem mendapatkan nilai, F1 43%, untuk teknik SMOTE diperoleh F1 (49%) dan AUC cukup baik (86%). Terakhir, klasifikasi sentiment pada aspek pelayanan mendapatkan nilai F1 56%, untuk teknik SMOTE diperoleh F1 (77%) dan AUC cukup baik (95%). Bentuk Trend dari tiap aspek dominan per bulan menunjukkan bentuk trend naik dan menurun di setiap bulannya pada masing masing aspek dominan dan aspek yang harus diperbaiki oleh perusahan aplikasi novel online adalah aspek pelayanan dan manfaat. Manfaat dari penelitian ini adalah untuk mengetahui aspek dominan apa saja yang dibicarakan oleh pengguna aplikasi novel online di media sosial dan menjadi bahan evaluasi perusahaan aplikasi novel online untuk menentukan kebijakan optimal untuk meningkatkan kualitas aplikasi.
Kata Kunci: Aspect-Based Sentiment Analysis, Bidirectional Encoder Representations from Transformers, SMOTE, Trend.