Dompet digital sudah menjadi tren di masyarat, begitu juga penggunaan sosial media Twitter. Twitter menjadi tempat yang banyak digunakan dalam mengungkapkan perasaan penggunanya, tidak terkecuali perasaan pengguna terhadap layanan dompet digital. Tidak sedikit pengguna dompet digital mencuitkan sentiment mereka di Twitter dan tidak sedikit pula industri digital meggunakan data tersebut untuk mengevaluasi produk atau layanan mereka. Maka dari itu diperlukan teknik untuk menganalisis sentimen-sentimen tersebut. Salah satu teknik yaitu analisis sentimen dengan menggunakan metode Long Short Term Memory (LSTM). Metode LSTM cocok untuk analisis sentimen dan sudah banyak digunakan serta dibuktikan pada penelitian-penelitian sebelumnya. Dataset cuitan penggunan layanan dompet digital kemudian dilakukan preprocessing, ekstraksi fitur dengan word embedding, evaluasi dataset dengan k-fold cross validation, kemudian dilakukan klasifikasi dengan metode LSTM. Proses ekstraksi fitur menggunakan word embedding Word2Vec dan GloVe. Dari hasil pengujian diperoleh best model dengan akurasi 96.33% dan akurasi keseluruhan tertinggi yaitu 89.30% dengan menggunakan word embedding Word2Vec dan dropout 0.2, sementara word embedding GloVe mendapat best model dengan akurasi 95% dan akurasi keseluruhan tertingginya yaitu 89.23% dengan dropout 0.1. Model LSTM GloVe dengan model LSTM Word2Vec keduanya bekerja sangat baik dalam mengklasifikasikan sentimen ulasan pengguna layanan dompet digital.
Kata kunci : Analisis Sentimen, Long-short term memory (LSTM), GloVe, Word2vec