Kehadiran Stasiun Pengisian Kendaraan Listrik Umum (SPKLU) menjadi sangat penting mengingat tren peningkatan penggunaan kendaraan listrik baik secara global maupun di Indonesia. Pertumbuhan ini didorong oleh kesadaran akan pentingnya kendaraan ramah lingkungan yang tidak menghasilkan emisi. Oleh karena itu, lokasi SPKLU harus strategis, dekat pemukiman dan pusat perkotaan. Di Indonesia, infrastruktur pengisian kendaraan listrik terdiri dari SPLU, SPKLU, dan SPBKLU, dengan regulasi dari Kementerian ESDM. Pembangunan SPKLU harus merata dan mudah diakses, serta kualitas dan pelayanannya perlu ditingkatkan. Komentar masyarakat mengenai SPKLU dapat dipantau melalui media sosial untuk evaluasi kualitas dan pelayanan. Penelitian ini menerapkan Inset Lexicon pada komentar masyarakat tentang SPKLU menggunakan Recurrent Neural Network (RNN), yang mampu memproses data sekuensial seperti teks. Data terdiri dari 1034 sentimen positif (37.18%), 1269 sentimen negatif (45.63%), dan 478 sentimen netral (17.19%). Model RNN berhasil mengidentifikasi polaritas sentimen dengan akurasi 65%, menunjukkan efektivitasnya dalam menganalisis sentimen terkait SPKLU. Hasil penelitian ini memberikan wawasan yang berharga bagi pemerintah dan penyedia layanan untuk meningkatkan kualitas dan pelayanan SPKLU agar lebih sesuai dengan kebutuhan masyarakat, serta dapat dimanfaatkan oleh pembuat kebijakan dan industri terkait.

The presence of Public Electric Vehicle Charging Stations (SPKLU) is very important considering the increasing trend of electric vehicle usage both globally and in Indonesia. This growth is driven by awareness of the importance of environmentally friendly vehicles that produce no emissions. Therefore, the location of SPKLU must be strategic, near residential areas and urban centers. In Indonesia, electric vehicle charging infrastructure consists of SPLU, SPKLU, and SPBKLU, with regulations from the Ministry of Energy and Mineral Resources. The development of SPKLU must be evenly distributed and easily accessible, and its quality and services need to be improved. Public comments on SPKLU can be monitored through social media for quality and service evaluation. This research applies Inset Lexicon to public comments on SPKLU using Recurrent Neural Network (RNN), which is capable of processing sequential data such as text. The data consists of 1034 positive sentiments (37.18%), 1269 negative sentiments (45.63%), and 478 neutral sentiments (17.19%). The RNN model successfully identified the sentiment polarity with 65% accuracy, demonstrating its effectiveness in analyzing sentiment related to SPKLU. The results of this study provide valuable insights for the government and service providers to improve the quality and service of SPKLU to better suit the needs of the community, and can be utilized by policy makers and related industries.