Dalam era digital, media X telah menjadi platform penting bagi masyarakat untuk ekspresi dan pertukaran informasi, terutama selama pemilihan umum, memungkinkan analisis sentimen untuk memahami opini publik secara real-time. Namun, tantangan utama adalah pengolahan teks yang tidak terstruktur dan kompleks, yang sering menghasilkan analisis yang kurang akurat. Untuk mengatasi ini, penelitian ini mengembangkan model hybrid deep learning yang mengintegrasikan Recurrent Neural Networks (RNN) dan Convolutional Neural Networks (CNN). Selain itu, penggunaan ekspansi fitur FastText memungkinkan model untuk mengatasi inkonsistensi kosakata dan meningkatkan pemahaman kontekstual, dengan mengidentifikasi dan menggantikan kata-kata yang kurang representatif dengan alternatif yang memiliki kemiripan semantik. Dua dataset digunakan untuk membangun similarity corpus dengan dataset media X sebesar 62.955 dan datset IndoNews sebesar 126.673. Sistem menunjukkan tingkat akurasi maksimum pada model hybrid deep learning RNN-CNN yaitu sebesar 73,00% dengan peningkatan 2,50% terhadap model RNN dan 3,00% terhadap model CNN. Hasil ini menunjukkan bahwa integrasi RNN dan CNN, bersama dengan teknik ekspansi fitur FastText, meningkatkan kemampuan analisis sentimen, memberikan metode yang lebih efisien dan akurat dalam mengklasifikasikan sentimen publik