Penelitian ini bertujuan untuk menganalisis sentimen berbasis aspek berdasarkan teori kepuasan pelanggan Model SERVQUAL dari aplikasi FinTech P2P Lending di Google Play Store. Masifnya perkembangan teknologi di dunia pinjaman uang digital tidak didukung dengan layanan yang optimal dan keamanan data yang terjamin. Buruknya pelayanan yang diberikan menimbulkan banyak keluhan dan ulasan buruk terhadap aplikasi tersebut. Oleh karena itu dibutuhkan sebuah metode yang dapat mengukur seberapa baik pelayanan yang diberikan oleh penyedia jasa peminjaman dana digital. Model SERVQUAL memungkinkan perusahaan untuk mengukur kinerja layanan mereka dari perspektif internal dan eksternal perusahaan. Penelitian ini mengambil data ulasan yang diberi label berdasarkan 5 aspek model SERVQUAL. Kemudian diproses untuk mendapatkan model machine learning yang dapat mengklasifikasikan apakah dalam suatu ulasan terdapat aspek SERVQUAL. Data yang telah diperoleh kemudian diolah dengan cara lemmatisasi untuk mendapatkan kata dasar selanjutnya dilakukan preprocessing. Algoritma yang digunakan adalah Long-short Term Memory (LSTM) yang dapat mempelajari konteks sebuah ulasan secara menyeluruh. Hasilnya akurasi tertinggi yang didapatkan adalah 79,00% berdasarkan pengujian menggunakan perubahan batch size dan multi layer LSTM.