Penelitian ini membahas penerapan metode pembelajaran mendalam menggunakan model Recurrent Neural Network (RNN) dan Long Short-Term Memory (LSTM) untuk analisis sentimen pada unggahan media sosial terkait bencana gempa bumi. Penelitian ini bertujuan untuk mengevaluasi kinerja kedua model dalam mengklasifikasikan sentimen positif dan negatif, dengan menggunakan dataset yang telah diproses melalui teknik preprocessing canggih, termasuk tokenization, stemming, dan normalisasi teks. Evaluasi dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score, serta dianalisis melalui Confusion Matrix. Hasil menunjukkan bahwa model RNN mencapai akurasi 89,34% pada data pengujian dengan keunggulan dalam mendeteksi sentimen positif (recall tinggi). Di sisi lain, model LSTM mencapai akurasi 85,62% pada data pengujian, dengan performa yang lebih stabil dan kemampuan generalisasi yang lebih baik dibandingkan RNN. Penelitian ini menyoroti peran penti