Umpan balik dari pengguna adalah tanggapan dari pengguna sebagai indikasi tingkat kepuasan pengguna terhadap suatu produk. Pada area recommender system, umpan balik digunakan untuk mencerminkan preferensi pengguna. Bentuk umpan balik dapat berupa komentar dan rating dari pengguna. Sebagai contoh pada e-commerce pengguna memberikan umpan balik pada produk yang ditawarkan. Pengguna memiliki kontrol bebas terhadap pemberian nilai rating yang sesuai atau tidak sesuai dengan sentimen komentar. Pada tugas akhir ini dilakukan prediksi rating berdasarkan komentar dengan menggunakan CNN pada data set berbeda untuk mengidentifikasi relevansi sentimen komentar dengan nilai rating. Data set yang digunakan adalah data set yelp dan amazon. Hasil prediksi mendapatkan hasil performansi pengukuran akurasi yang menunjukan tingkat ketepatan prediksi untuk data set yelp sebesar 52,69% dan untuk data set amazon sebesar 59%. Nilai f1-score terbesar diperoleh oleh kelas rating 5 dengan 0,72 untuk data set amazon dan 0,63 pada data set yelp. Sementara f1-score terkecil adalah kelas rating 2 untuk data set amazon dan yelp masing – masing yaitu 0,09 dan 0,17.