Analisis sentimen multi-aspek pada ulasanpengguna Mobile Legends di Google Play dilakukan denganmenggabungkan representasi kontekstual dari metode Bidirectional Encoder Representations from Transformers (BERT) dan Convolutional Neural Network (CNN). Metode inidipilih karena BERT mampu memahami konteks kata secaradua arah, sedangkan CNN efektif dalam menangkap pola lokal dari teks. Kombinasi keduanya memungkinkan klasifikasi aspek dan sentimen dilakukan secara bersamaan dengan hasilyang lebih akurat. Pendekatan multi-aspek digunakan untuk menilai tiga aspek yaitu, performa (kelancaran permainan, dan stabilitas), keseimbangan (karakter dan juga permainan secara general), dan event (kolaborasi dan juga diskon). Data yang digunakan dalam penelitian ini adalah 10,000 data ulasan dari pengguna aplikasi Mobile Legends dengan bahasa Indonesia yang diambil dari platform Google Play Store. Penelitian ini bertujuan untuk menghasilkan model yang mampu mengklasifikasikan sentimen berdasarkan aspek menjadi tiga kategori, yaitu Positif, Negatif, atau Netral, dengan tingkat akurasi yang tinggi. Berdasarkan hasil pengujian yang diperoleh, metode BERT-CNN berhasil mencapai akurasi aspek hingga 0.97. Hal ini menunjukkan bahwa integrasi antara BERT dan CNN mampu meningkatkan pemahaman konteks dan ketepatan dalam melakukan analisis sentimen berbasis aspek pada ulasan pengguna aplikasi Mobile Legends.