Perkembangan teknologi informasi telah mengubah paradigma dalam mencari dan memperoleh informasi kesehatan. Penelitian ini bertujuan untuk mengatasi kendala dalam penyebaran informasi kesehatan di indonesia dengan menerapkan analisis sentimen berbasis kecerdasan buatan (AI), khususnya dengan menggunakan metode Long Short Term Memory (LSTM). Kendala tersebut mencakup respon lambat, kesalahan informasi, dan kesulitan memahami preferensi pengguna terhadap fitur-fitur aplikasi kesehatan berbasis media sosial. Penelitian ini fokus pada analisis sentimen, karakteristik, dan faktor acceptance/adopsi social & health dari ulasan pengguna di Google Play Store. Masalah utama yang diangkat adalah perluasan pemahaman terhadap faktor acceptance pengguna terhadap fitur-fitur aplikasi kesehatan. Ini dilakukan untuk mengoptimalkan layanan aplikasi sehingga lebih responsif, relevan, dan sesuai dengan harapan pengguna. Metode penelitian menggunakan model konseptual yang melibatkan identifikasi business needs, pemodelan klasifikasi pada faktor social & health, serta analisis sentimen dengan bantuan deep learning menggunakan LSTM. Evaluasi dilakukan dengan memeriksa akurasi, untuk mengevaluasi performa algoritma LSTM. Sistematika penyelesaian masalah yang digunakan adalah identifikasi masalah, pengumpulan dan pengolahan data, melakukan evaluasi, dan pembuatan kesimpuan serta saran. Dengan pembagian rasio dataset 70:30, menggunakan 30% data testing dengan epoch sebanyak 18 dan batch size 28 menghasilkan akurasi sebesar 98,13%, untuk presisi sebesar 99,79%, recall sebesar 98.55%, dan f1-score sebesar 99.17% Model LSTM yang digunakan dalam penelitian ini menunjukkan hasil akurasi tinggi, namun kurang efektif karena jumlah data yang terbatas untuk beberapa aspek, terutama pada aspek social dan health. Disarankan untuk memperbanyak dan memperluas dataset, serta mempertimbangkan metode lain atau teknik augmentasi data, sambil meningkatkan pemahaman budaya dan penanganan penyakit kronis untuk memaksimalkan efektivitas layanan e-Health.