Fitur EV Charging/SPKLU pada aplikasi PLN Mobile mendukung layanan pengisian daya kendaraan listrik, tetapi banyaknya ulasan pengguna menyulitkan identifikasi sentimen secara manual. Penelitian ini bertujuan menganalisis sentimen ulasan pengguna terkait fitur EV Charging/SPKLU dan membandingkan kinerja tujuh algoritma klasifikasi. Data diperoleh dari Google Play Store, kemudian melalui tahap text preprocessing dan pelabelan sentimen berdasarkan rating sebagai weak label. Algoritma yang digunakan meliputi Logistic Regression, Support Vector Machine (SVM), Naive Bayes, Multi-Layer Perceptron (MLP), Recurrent Neural Network (RNN), Bidirectional Long Short-Term Memory (BiLSTM), dan DistilBERT, yang dikelompokkan menjadi Machine Learning, Deep Learning, dan Transformer. Untuk mengatasi ketidakseimbangan kelas, diterapkan pembobotan kelas atau class weighting yang disesuaikan dengan karakteristik masing-masing algoritma pada data latih. Evaluasi dilakukan menggunakan Accuracy, Precision, Recall, Macro F1-Score, dan confusion matrix. Hasil menunjukkan bahwa MLP memperoleh Macro F1-Score tertinggi pada data validasi sebesar 67,80% sehingga dipilih untuk pengujian akhir. Pada 286 data uji, MLP menghasilkan Accuracy sebesar 89,16% dan Macro F1-Score sebesar 59,42%, yang menunjukkan kinerja klasifikasi keseluruhan yang tinggi dengan performa yang belum merata pada setiap kelas sentimen.Kata Kunci: Analisis Sentimen, SPKLU, PLN Mobile, Imbalanced Learning, DistilBERT