Marketplace adalah wadah pemasaran produk secara elektronik yang mempertemukan banyak penjual dan pembeli. Di Indonesia, marketplace mengalami perkembangan pesat dengan munculnya perusahaan seperti GOTO yang menyediakan layanan marketplace bernama Tokopedia dan dan telah mencapai valuasi USD 10 miliar per tahun. BPS mencatat bahwa pada tahun 2021 terdapat 2.361.423 usaha yang menggunakan layanan marketplace. Fitur-fitur yang dimiliki Tokopedia memberikan kemudahan bagi pengguna dalam melakukan transaksi jual beli. Ulasan produk merupakan fitur yang terdapat dalam Tokopedia. Ulasan produk memiliki peran penting bagi pembeli dalam pengambilan keputusan sebelum membeli produk, serta membantu penjual dalam menganalisis dan mengevaluasi produk yang dijual. Namun, analisis ulasan dapat menjadi sulit jika jumlah ulasan terlampau banyak. Oleh karena itu, diperlukan metode yang dapat menganalisis sentimen dari ulasan produk. Salah satu metode yang digunakan adalah teks mining dengan algoritme LSTM yang dapat mempelajari data sekuensial. Penelitian ini akan menerapkan algoritme LSTM dengan attention mechanism untuk analisis sentimen pada data ulasan produk Tokopedia. Penelitian ini bertujuan untuk menerapkan algoritme LSTM dengan attention mechanism untuk analisis ulasan produk Tokopedia. Data penelitian berupa data ulasan produk Tokopedia yang diambil menggunakan metode web scraping pada tanggal 30 Maret 2023. Data dilakukan preprocessing antara lain case folding, remove newline, remove number and punctuation, tokenization, dan padding sequence. Data hasil preprocessing dilabeli berdasarkan sentimennya sehingga diperoleh 81493 ulasan positif, 3812 ulasan negatif, dan 32378 ulasan netral. Pada penelitian ini hanya digunakan data berlabel positif dan negatif. Untuk menghindari ketidakseimbangan label yang dapat mengakibatkan performa algoritme menurun dilakukan proses random undersampling. Selanjutnya data hasil proses undersampling dibagi menjadi data latih, data validasi, dan data uji. Data latih digunakan untuk pelatihan arsitektur LSTM. Data validasi digunakan untuk memvalidasi arsitektur yang dihasilkan pada setiap iterasi. Data uji digunakan untuk menguji arsitektur LSTM yang dihasilkan setelah iterasi selesai. Nilai evaluasi yang digunakan pada penelitian ini yaitu akurasi dan F1. Untuk menghitung akurasi dan F1 digunakan matriks confusion. Berdasarkan hasil penelitian, diperoleh arsitektur LSTM terbaik dengan 20 unit dan attention mechanism. Nilai akurasi dan F1 yang diperoleh dari arsitektur tersebut masing-masing adalah 0.9640 dan 0.9640.