Indonesia sebagai negara berkembang sangat memanfaatkan utang negara untuk meningkatkan pertumbuhan ekonomi dan kesejahteraan masyarakat. Sepanjang pemerintahan Presiden Joko Widodo dari tahun 2014 hingga 2024 utang negara meningkat sangat tinggi, hal ini dapat menyebabkan Indonesia terjebak debt trap bahkan kebangkrutan. Peningkatan utang negara menimbulkan banyak reaksi masyarakat pada media sosial seperti X. Masyarakat terbagi kedalam beberapa kelompok dalam menyikapi isu kenaikan utang negara sehingga diperlukan solusi untuk memahami pandangan masyarakat dan dapat menjadi bahan pertimbangan pemerintah dalam menyusun kebijakan keuangan. Perancangan Aplikasi berbasis metode LSTM menjadi salah satu solusi untuk dapat memprediksi sekaligus memvisualisasikan sentimen masyarakat mengenai utang negara. Data penelitian bersumber dari platform X yang menghasilkan 14.245 tweet yang kemudian diseleksi menjadi 5.359 tweet dan dikelompokkan kedalam tiga kelas sentimen yaitu positif, netral dan negatif. Proses analisis meliputi pre-processing, ekstraksi fitur menggunakan TF-IDF, klasifikasi dengan LSTM dengan SMOTE, dan evaluasi dengan confusion matrix. Hasil evaluasi menunjukkan model mampu mencapai akurasi 85%, presisi 86%, recall 86% dan f1-score 85%. Aplikasi dikembangkan dengan dasar hasil evaluasi dan menggunakan Streamlit untuk membangun interface yang memungkinkan pengguna melakukan prediksi sentimen secara interaktif. Selain menghasilkan prediksi, aplikasi menggunakan sistem warna dan confidence score, aplikasi juga menampilkan hasil pre-processing serta visualisasi distribusi probabilitas pada ketiga kelas sentimen. Aplikasi yang telah dikembangkan diharapkan dapat membantu pemerintah atau pembuat kebijakan serta masyarakat memahami sentimen publik dan dapat menjadi salah satu dasar dalam membuat serta memutuskan kebijakan keuangan yang lebih baik.