Peningkatan kualitas layanan transportasi umum menjadi aspek penting dalam mendukung mobilitas masyarakat perkotaan secara berkelanjutan. Salah satu elemen krusial dalam sistem transportasi adalah peran sopir yang secara langsung memengaruhi kepuasan pengguna. Penelitian ini bertujuan untuk mengembangkan model Convolutional Neural Network (CNN) dalam melakukan analisis sentimen terhadap opini masyarakat mengenai layanan sopir Batik Solo Trans (BST). Data dikumpulkan dari tiga sumber utama, yaitu media sosial X, web aduan publik ULAS, dan komentar pada akun Instagram yang relevan. Data melalui tahapan preprocessing, pelabelan sentimen dengan bantuan Gemini AI, dan augmentasi untuk meningkatkan variasi data. Model CNN dibangun menggunakan arsitektur TextCNN, proses word embedding menggunakan Word2Vec, serta dioptimalkan dengan teknik early stopping, class weighting, dan learning rate scheduler. Hasil pelatihan menunjukkan akurasi sebesar 99,99?n akurasi pengujian sebesar 99,18%. Hasil klasifikasi sentimen divalidasi menggunakan data kuesioner dan diklasifikasikan ke dalam lima dimensi service quality (reliability, assurance, responsiveness, empathy, dan tangibles) oleh Gemini AI. Analisis dilakukan menggunakan metode Customer Satisfaction Index (CSI) dan Service Quality Score (SQS). Hasil perhitungan CSI dan SQS menunjukkan tingkat kepuasan yang rendah dengan assurance sebagai dimensi yang paling membutuhkan perbaikan. Penelitian ini memberikan pertimbangan strategis untuk peningkatan layanan sopir BST serta menunjukkan potensi penerapan deep learning dalam evaluasi layanan publik berbasis opini masyarakat.
