Ulasan pengguna pada aplikasi layanan publik digital seperti Mobile JKN, M-Paspor, dan SIGNAL menyimpan wawasan penting bagi peningkatan kualitas layanan. Namun, analisis sentimen konvensional belum mampu mengidentifikasi aspek spesifik yang menjadi sumber kepuasan maupun keluhan pengguna. Penelitian ini mengembangkan sistem Aspect-Based Sentiment Analysis (ABSA) berbasis IndoBERT dengan pendekatan token classification. Sistem dirancang untuk mengekstraksi tiga aspek utama, yaitu Usability, Reliability, dan Efficiency, sekaligus mengklasifikasikan kategori sentimen. Hasil pengujian menunjukkan kinerja yang tinggi dengan akurasi testing sebesar 97% untuk Mobile JKN, 98% untuk M-Paspor, dan 98% untuk SIGNAL. Analisis lebih lanjut mengungkap bahwa aspek Efficiency secara konsisten menjadi yang paling mudah diklasifikasi dengan F1-Score di atas 0.94, sementara aspek Reliability menjadi tantangan utama dengan pola kesulitan berbeda pada setiap dataset. Temuan ini menunjukkan bahwa sistem yang dibangun efektif dalam memberikan wawasan terperinci guna mendukung peningkatan berkelanjutan layanan publik digital.

Keywords: Analisis Sentimen Berbasis Aspek, IndoBERT, Token Classification, Layanan Publik, Pemrosesan Bahasa Alami