Munculnya aplikasi dompet digital atau e-wallet, telah mentransformasi transaksi keuangan di Indonesia, dengan 70% penduduk memiliki pengalaman sebagai pengguna e-wallet. Meskipun terdapat kekhawatiran mengenai keamanan data dan risiko finansial, e-wallet tetap populer karena kepraktisannya dibandingkan dengan pembayaran konvensional. Ulasan pengguna e-wallet kini menjadi sumber informasi yang penting karena mencerminkan kualitas fitur, keamanan, dan pengalaman penggunaan. Namun, semakin banyaknya jumlah ulasan yang tersedia membuat proses membaca dan memahami informasi menjadi sulit. Penelitian ini mengintegrasikan analisis sentimen dan automatic text summarization untuk merangkum informasi utama dari ulasan sehingga memudahkan pengguna lain dalam memilih e-wallet yang tepat. Penelitian ini berkontribusi menuliskan gold summary dan memberikan dataset multi-document e-wallet review berbahasa Indonesia. Dataset kemudian digunakan untuk melatih mT5 dalam tugas abstractive text summarization berbahasa Indonesia. Kinerja model fine-tuned mT5 dievaluasi menggunakan ROUGE-N dan dianalisis secara kualitatif. Hasil evaluasi ROUGE-N mendapatkan rata-rata skor tertinggi untuk testing yaitu ROUGE-1 0.4533, ROUGE-2 0.1465, dan ROUGE-L 0.2579. Analisis kualitatif pada sejumlah contoh hasil ringkasan buatan model dilakukan untuk menunjukkan bagian di mana model berhasil menangkap informasi inti dari sumber teks ulasan, informasi yang tidak berhasil tersampaikan, dan contoh informasi halusinasi pada ringkasan buatan model. Analisis tersebut menunjukkan model yang dapat menyusun ringkasan ulasan abstraktif, di mana model dapat menggunakan kosakata dan istilah baru yang sebelumnya tidak digunakan pada sumber teks ulasan. Ringkasan buatan model dengan nilai ROUGE-N yang tinggi menunjukkan kalimat ringkasan yang rinci, sedangkan ringkasan dengan nilai ROUGE-N yang rendah memiliki lebih banyak jumlah informasi dari sumber teks ulasan yang tidak tercantumkan pada ringkasan buatan model.