Perkembangan teknologi digital mendorong munculnya berbagai aplikasi yang mendukung aktivitas kreator konten, salah satunya TikTok Studio sebagai aplikasi pendamping untuk mengunggah, mengedit, dan memantau performa konten pada platform TikTok. Ulasan pengguna pada Google Play Store dapat memberikan informasi mengenai pengalaman, kepuasan, serta kendala yang dialami pengguna terhadap aplikasi. Namun, ulasan yang berjumlah besar dan berbentuk teks bebas menyebabkan analisis manual menjadi kurang efisien sehingga diperlukan analisis sentimen untuk mengidentifikasi kecenderungan opini pengguna secara otomatis. Penelitian terhadap ulasan aplikasi pendukung seperti TikTok Studio masih terbatas sehingga diperlukan pendekatan analisis yang mampu mengolah data teks secara sistematis dan otomatis. Penelitian ini bertujuan untuk menerapkan analisis sentimen pada ulasan aplikasi TikTok Studio di Google Play Store dengan Logistic Regression. Data yang digunakan sebanyak 9.247 ulasan berbahasa Inggris dari wilayah Amerika Serikat yang diperoleh melalui web scraping pada periode 1 Juli 2025 hingga 30 November 2025. Data diproses menggunakan preprocessing sehingga diperoleh 8.717 ulasan siap dianalisis. Data hasil preprocessing kemudian diberi label sentimen menggunakan VADER (Valence Aware Dictionary for sEntiment Reasoning), yaitu metode berbasis leksikon bahasa Inggris untuk pelabelan sentimen secara otomatis yang menghasilkan 6.090 ulasan positif, 2.356 ulasan netral, dan 271 ulasan negatif, di mana label netral tidak digunakan dalam proses pemodelan karena cenderung bersifat informatif dan tidak menunjukkan arah opini yang jelas. Data kemudian dibagi menjadi 80% data latih dan 20% data uji sehingga diperoleh 5.088 data latih yang terdiri dari 4.871 ulasan positif dan 217 ulasan negatif, serta 1.273 data uji yang terdiri dari 1.219 ulasan positif dan 54 ulasan negatif. Representasi teks dilakukan menggunakan TF-IDF (Term Frequency-Inverse Document Frequency), sedangkan metode SMOTE (Synthetic Minority Oversampling TEchnique) digunakan untuk menangani ketidakseimbangan kelas pada data latih agar model tidak bias terhadap kelas mayoritas sehingga jumlah data latih menjadi seimbang yaitu 4.871 ulasan positif dan 4.871 ulasan negatif dengan total 9.742 data latih. Model Logistic Regression dilatih menggunakan data latih dan dievaluasi menggunakan confusion matrix. Berdasarkan hasil pengujian pada 1.273 data uji, diperoleh 1.243 data uji berhasil diklasifikasikan dengan benar yang terdiri dari 1.191 data sentimen positif dan 52 data sentimen negatif, sedangkan 30 data uji diklasifikasikan secara tidak tepat oleh model. Model menghasilkan akurasi 97,64% dengan rata-rata presisi 0,82, rata-rata recall 0,97, dan rata-rata F1-score 0,88. Hasil tersebut menunjukkan bahwa Logistic Regression mampu mengklasifikasikan sentimen ulasan aplikasi TikTok Studio di Google Play Store.