TripAdvisor adalah platform wisata terbesar di dunia yang membantu 463 juta wisatawan setiap bulannya membuat setiap perjalanan mereka menjadi yang terbaik. Pengguna TripAdvisor dapat memberikan ulasan, komentar, dan penilaian tempat wisata. Namun, penilaian pada TripAdvisor dianggap belum cukup membantu calon wisatawan untuk mengetahui kekurangan dan kelebihan suatu hotel. Oleh karena itu, dilakukan analisis sentimen multiaspek ulasan TripAdvisor pada hotel sehingga dapat diketahui aspek penilaian apa saja yang sering dibahas oleh para pengunjung dan dapat menentukan penilaian secara spesifik. Dalam penelitian ini, metode Elman Recurrent Neural Network (ERNN) digunakan untuk membangun sistem klasifikasi analisis sentimen multiaspek terhadap ulasan pengguna aplikasi TripAdvisor. Pada penelitian ini, terdapat beberapa aspek yang diteliti yaitu Service (layanan), Cleanliness (kebersihan), Location (lokasi), Value (nilai hotel terhadap biaya yang dikeluarkan), Rooms (kualitas ruangan atau kamar) dan Overall Experience (nilai pengalaman keseluruhan). Yang dimana dengan aspek ini diharapkan dapat memberikan gambaran mengenai hotel yang akan dituju. Hasil penelitian menunjukkan bahwa metode ERNN dapat memberikan hasil yang lebih baik dalam analisis sentimen multiaspek ulasan hotel TripAdvisor pada tempat wisata. Kinerja model ERNN dalam analisis sentimen multiaspek menunjukkan akurasi paling optimal yaitu Service sebesar 81.35%, Cleanliness sebesar 98.71%, Location sebesar 74.87%, Value sebesar 93.84% dan Rooms sebesar 71.52%. Hasil penelitian ini dapat membantu para wisatawan dalam mengetahui kekurangan dan kelebihan suatu tempat penginapan dengan lebih baik. Kata Kunci: Analisis sentimen multiaspek, TripAdvisor, Recurrent Neural Network, dan Elman Recurrent Neural Network.