Pertumbuhan Mobile Legends: Bang Bang Professional League Indonesia (MPL Indonesia) telah menghasilkan volume komentar komunitas yang sangat besar di berbagai platform media sosial, namun opini yang terkandung di dalamnya masih sulit dianalisis secara sistematis. Analisis sentimen konvensional hanya memberikan satu label polaritas untuk keseluruhan komentar, sehingga tidak mampu mengidentifikasi aspek spesifik mana yang sedang dievaluasi baik performa tim, kemampuan individu pemain, strategi dan pelatih, konsistensi mental, maupun narasi non-performa. Penelitian ini mengembangkan sistem klasifikasi dua tahap menggunakan Domain-Specific Fine-Tuning (DSFT) pada model IndoBERT untuk Analisis Sentimen Berbasis Aspek (ABSA) terhadap komentar komunitas E-Sport Indonesia yang diambil dari akun Instagram resmi @teamrrq. Dataset sebanyak 6.890 komentar dikonstruksi dari 14 unggahan hasil pertandingan, kemudian dianotasi secara manual dengan label sentimen (Positif, Negatif, Not Mentioned) pada lima aspek yang telah ditentukan sebelumnya, serta satu label sifat komentar (Non-Provokatif atau Provokatif). Format input sentence-pair [CLS] komentar [SEP] aspek [SEP] diadopsi pada Fase 1 (ABSA), sedangkan klasifikasi single-sentence digunakan pada Fase 2 (deteksi sifat komentar). Tiga varian IndoBERT yaitu IndoBERT Base, IndoBERT Large, dan IndoBERTweet akan di-fine-tune menggunakan tiga konfigurasi hyperparameter. IndoBERT Large (Konfigurasi 3) mencapai hasil terbaik pada Fase 1 dengan Macro F1-score sebesar 69,74%, Akurasi 81,10%, Presisi 66.73%, dan Recall 74.40%. Sedangkan IndoBERTweet (Konfigurasi 3) memimpin pada Fase 2 dengan Macro F1-score sebesar 79,69%, Akurasi 81,61%, Presisi 78,65%, dan Recall 82,45%. Integrasi kedua fase memungkinkan diferensiasi otomatis antara kritik evaluatif yang rasional dan komentar provokatif, sehingga menghasilkan representasi opini komunitas yang lebih operasional dan bernilai dibandingkan klasifikasi sentimen biner konvensional.