Penelitian ini menyoroti penerapan model BiLSTM dan IndoBERT untuk menganalisis sarkasme di Twitter, terutama yang berkaitan dengan konser Dyandra Global, dengan menggunakan pendekatan analisis leksikal dan analisis jaringan sosial. Model klasifikasi ini memanfaatkan elemen linguistic seperti panjang kalimat, penggunaan tand abaca, ekspresi tawa, huruf besar, trigram, wordcloud dan topic modelling menggunakan BERTopic. Hasil yang diperoleh dari penelitian ini menunjukkan bahwa kombinasi antara model BiLSTM dan IndoBERT serta fitur leksikal berhasil mencapai akurasi 72,26%, dengan nilai ROC-AUC yang mencapai 79% dan nilai K-Fold Cross Validation yang mencapai 73%. Selain itu, pendekatan SNA berhasil menemukan akun-akun penyebaran opini publik melalui indikator degree centrality dan betweenness centrality, hasilnya menunjukkan akun fanbase dan akun fangirl (personal akun) mendominasi interaksi serta menjadi centrality dan penhubung tertinggi dalam jejaring pengguna. Dari studi ini, diperoleh dua pendekatan yaitu gabungan dari deep learning maupun fitur linguistik dan pemetaan struktur antar Jaringan sosial pengguna twitter dalam konteks konser. Penelitian ini menunjukkan bahwa pendekatan berbasis teks serta pemetaan struktur jejaring sosial selain memberikan pemahaman lebih dari dinamika opini publik juga memberikan pemahaman yang lebih detail tentang dinamika penyebaran gaya bahasa sarkasme di media sosial khusunya pada event konser.
Kata kunci: Sarkasme, BiLSTM, IndoBERT, Analisis Leksikal, Social Network Analysis, Twitter, Konser.