Dengan perkembangan teknologi yang pesat dan penetrasi internet yang tinggi di kalangan pelajar, pendidikan telah bertransformasi dari pembelajaran konvensional menjadi interactive learning atau biasa disebut sebagai pendidikan daring. Berbagai aplikasi education technology berbasis mobile mulai bermunculan. Namun, menawarkan jasa atau produk dari education technology masih merupakan sebuah tantangan untuk dapat terus bertahan dan diterima masyarakat dalam hal ini siswa. Perusahaan perlu untuk mengetahui kualitas produk dan layanan yang diberikan saat ini dari perspektif pengguna melalui ulasan pengguna. Penelitian ini melakukan Opinion Mining multibahasa untuk ulasan berbahasa Indonesia dan berbahasa Inggris dari Google Play Store pada empat aplikasi yaitu Zenius, Quipper, Rumah Belajar, dan Ruangguru. Dua pendekatan antara lain Aspect-Based Sentiment Analysis dengan algoritma Support Vector Machine dan Text Clustering dengan algoritma K-Medoids Clustering dilakukan dalam mengekstraksi informasi yang berguna dari data teks yang tidak terstruktur ke dalam klasifikasi aspek dan sentimen. Evaluasi performa klasifikasi memberikan hasil bahwa ulasan berbahasa Inggris menghasilkan nilai akurasi yang lebih tinggi dibandingkan ulasan berbahasa Indonesia. Penelitian ini juga menghasilkan gambaran topik pada setiap aspek dan sentimen dalam bentuk klaster-klaster yang memiliki nilai DBI mendekati nol. Penelitian ini menghasilkan analisis yang komprehensif yang dapat dijadikan konsiderasi perusahaan dalam meningkatkan produk dan layanannya.

---

With the rapid development of technology and high internet penetration among students, education has transformed from conventional learning to interactive learning, or usually known as daring education. Various mobile-based education technology applications had begun to emerge. However, offering service and product of education technology still remains a challenge in order to sustain and be accepted by the community, especially students. In this case, the company needs to know the quality of product and service they provide from the perspective of customers through customer reviews. This research conducts a multilingual Opinion Mining for Indonesian and English reviews from Google Play Store on four applications: Zenius, Quipper, Rumah Belajar, and Ruangguru. Two approaches are carried out, Aspect-Based Sentiment Analysis with Support Vector Machine Algorithm and Text Clustering with K-Medoids Clustering Algorithm in extracting useful information from unstructured text. The results of classification performance evaluation show that English reviews produced higher accuracy than Indonesian reviews. This research also depicts the topics discussed in each sentiment and aspect in the form of clusters which have DBI value close to zero. This research has produced a comprehensive analysis that can be used as a consideration for companies in improving their products and services.