Perkembangan media sosial, khususnya Twitter (X), menjadikan platform ini sebagai ruang utama bagi masyarakat untuk mengekspresikan opini terhadap performa Timnas Sepakbola Indonesia di bawah kepelatihan Shin Tae Yong (STY). Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadap Timnas Indonesia di era STY dengan menggunakan pendekatan pemrosesan bahasa alami (Natural Language Processing/NLP) berbasis kombinasi Bidirectional Encoder Representations from Transformers (BERT) dan Recurrent Neural Network (RNN). Model yang digunakan meliputi empat arsitektur yaitu RNN, LSTM, BiLSTM, dan GRU yang dikombinasikan dengan IndoBERT untuk menghasilkan embedding teks berbahasa Indonesia. Data dikumpulkan menggunakan Tweet Harvest berdasarkan kata kunci “Timnas STY” dan melalui tahapan preprocessing yang meliputi cleaning, case folding, normalisasi, tokenizing, stopword removal, stemming, serta labeling menggunakan InSet Lexicon yang kemudian divalidasi secara manual untuk memastikan akurasi konteks sentimen. Evaluasi kinerja model dilakukan menggunakan classification report dan confusion matrix. Hasil penelitian menunjukkan bahwa pada skenario tiga label (positif, netral, negatif), model IndoBERT + RNN memberikan performa terbaik dengan akurasi 0,69 dan Macro F1-Score 0,68, sedangkan pada skenario dua label (positif dan negatif), model IndoBERT + GRU memperoleh akurasi dan Macro F1-Score tertinggi sebesar 0,83. Temuan ini membuktikan bahwa kombinasi model berbasis transformer dan jaringan berulang mampu meningkatkan akurasi analisis sentimen berbahasa Indonesia. Penelitian ini diharapkan dapat menjadi referensi untuk pengembangan sistem analisis opini publik di bidang olahraga.

Kata kunci: Analisis sentimen, IndoBERT, RNN, Twitter, Timnas Indonesia