Pemilihan anggota legislatif merupakan suatu momen penting dalam perspektif demokrasi, yang mempengaruhi kebijakan dan arah negara. Di era digital, analisis sentimen mengenai pemilihan anggota legislatif melalui media sosial menjadi semakin penting dalam menganalisis opini atau pendapat masyarakat dan memberikan wawasan tentang bagaimana masyarakat merespons dan merasakan terkait kandidat, partai, atau isu tertentu. Dalam penelitian ini, penulis melakukan pendekatan untuk menganalisis sentimen terkait pemilihan anggota legislatif menggunakan algoritma deep learning dengan model Long Short Term Memory (LSTM) dan Convolutional Neural Network (CNN) yang dikembangkan dan dilatih menggunakan dataset yang telah diproses. Hasil penelitian ini menunjukkan bahwa metode deep learning dapat memberikan wawasan penting mengenai sentimen masyarakat saat memilih anggota DPR tahun 2024. Model yang diusulkan mampu mengklasifikasikan dan mengidentifikasi sentimen dengan mendapatkan nilai akurasi pengujian tertinggi yaitu menggunakan model CNN dengan rasio data yaitu 80:20. Terlihat bahwa rasio data memiliki pengaruh signifikan terhadap kinerja model tersebut dan memberikan proposisi yang tepat antara data latih dan data uji. Sehingga, diperoleh hasil terbaik model CNN dengan nilai akurasi sebesar 93.27%, F1-score sebesar 93.19%, precision sebesar 93.52%, dan recall sebesar 92.73%.
Kata kunci : analisis sentimen, pemilihan anggota legislatif, DPR, LSTM, CNN