Pada awal tahun 2020, dunia digemparkan oleh pandemi COVID-19 yang berasal dari Wuhan, Tiongkok. Berbagai upaya yang dilakukan pemerintah Indonesia dalam menanganinya menimbulkan pro dan kontra di tengah masyarakat. Opini publik ini banyak diekspresikan melalui media sosial Twitter, yang datanya dapat diolah untuk analisis sentimen. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan sentimen tersebut ke dalam kelas positif dan negatif dengan membandingkan performa CNN, LSTM, dan CNN-LSTM. Metodologi penelitian melibatkan penggunaan  word embedding Word2Vec pada dataset berisi 1500 tweet (750 positif dan 750 negatif). Dataset tersebut kemudian dibagi menjadi 80% data latih (1200 tweet) dan 20% data uji (300 tweet) untuk mengevaluasi kinerja setiap model. Setelah melalui proses optimasi hyperparameter tuning untuk parameter seperti jumlah filter, ukuran kernel, dan learning rate, hasil evaluasi menunjukkan bahwa CNN-LSTM memberikan kinerja terbaik dengan akurasi 82,33% dan spesifisitas 85,62%. Model LSTM unggul pada metrik sensitivity 85,71%, sedangkan model CNN standar memperoleh akurasi 79,00%. Hal ini mengonfirmasi bahwa penyesuaian parameter secara signifikan mempengaruhi performa akhir model dalam tugas klasifikasi data Twitter penanganan covid-19.