Forum ulasan digunakan sebagai tempat bagi pengguna untuk mengekspresikan pendapat mengenai suatu aplikasi. Akan tetapi, tidak semua pengguna menuliskan ulasan yang relevan. Pada tahun 2020 dan 2021 terjadi gerakan review bombing pada Google Classroom yang menghasilkan banyak komentar tidak relevan berbintang satu akibat emosi yang tidak berdasar. Fenomena ini berpotensi mendistorsi persepsi pengguna lain dan mengganggu pengembangan aplikasi Google Classroom. Maka dari itu, penelitian ini mengusulkan pendekatan klasifikasi multi-output yang tidak hanya melakukan analisis sentimen tetapi juga klasifikasi relevansi ulasan. Model yang digunakan adalah hybrid BERT-CNN-BiLSTM, dengan BERT, BERT-CNN, BERT-LSTM dan BERT-BiLSTM sebagai pembanding. Model yang dipakai mencapai akurasi 92% dengan peningkatan relatif sebesar 19,5%, 1,1%, 2,2%, dan 1,1% untuk klasifikasi relevansi, serta 84% dengan peningkatan relatif sebesar 21,7%, 1,2%, 2,4%, dan 1,2% untuk klasifikasi sentimen.