Vaksinasi COVID-19 telah diupayakan oleh pemerintah Indonesia untuk mengurangi morbiditas dan mortalitas yang disebabkan virus COVID-19. Saat ini pendistribusian vaksin COVID-19 sedang berlangsung yang dibagi ke dalam empat tahapan. Seiring berjalannya program vaksinasi, beragam opini dan perspektif terhadap vaksinasi COVID-19 banyak ditemukan di masyarakat. Memahami sentimen opini publik terkait vaksin merupakan tantangan untuk meningkatkan penerimaan vaksin di masyarakat. Teknologi analisis sentimen telah memberikan banyak manfaat termasuk di bidang kesehatan. Analisis Sentimen membantu memberikan gambaran yang dirasakan dan dipikirkan oleh para penerima vaksin. RNN-LSTM merupakan salah satu metode deep learning yang sering diterapkan untuk penelitian analisis sentimen. Penelitian ini mengusulkan model RNN-LSTM yang menerapkan arsitektur Bidirectional Layer (Bi-LSTM) agar penyerapan informasi kontekstual data lebih optimal karena data input diproses secara forward dan backward. Serta menambahkan mekanisme variational dropout pada layer LSTM agar mendapatkan model yang optimal dan terhindar dari overfitting. Keberhasilan dan keoptimalan model deep learning sangat bergantung pada ukuran dataset, jenis tugas dan penentuan parameternya. Dalam penelitian ini eksperimen terhadap nilai parameter arsitektur model dilakukan untuk mendapatkan model yang optimal dalam melakukan analisis sentimen opini publik terkait Vaksin COVID-19. Sehingga parameter terbaik didapatkan untuk model Bi-LSTM ini yaitu seperti berikut: maxlen =50, embedding size= 300, recurrent unit = 50, variational dropout = 0.25, optimizer Nadam, dan epoch = 100. Hasil evaluasi menunjukkan model BI-LSTM ini mampu melakukan analisis sentimen terhadap opini publik terkait vaksin COVID-19 ke dalam tiga kelas sentimen (positif, netral dan negatif) dengan baik dan mendapatkan akurasi sebesar 89.15%, Precision sebesar 88%, Recall sebesar 89% dan F1-Score sebesar 88.43%.

Kata Kunci: Analisis Sentimen, Bi-LSTM, Recurrent Neural Network, Vaksin COVID-19