Pemilihan Kepala Daerah (Pilkada) Jakarta 2024 menjadi isu kritis yang memerlukan pemahaman mendalam tentang sentimen masyarakat. Platform X (Twitter) sebagai sumber data opini publik menghasilkan teks tidak terstruktur dengan kompleksitas tinggi, seperti bahasa informal dan ambiguitas konteks. Kekurangan dataset spesifik konteks lokal serta ketidakakuratan model analisis sentimen tradisional menjadi tantangan utama. Analisis sentimen Pilkada Jakarta 2024 penting untuk mengevaluasi respons publik terhadap kebijakan calon pemimpin, membantu perencanaan strategi politik, dan meningkatkan kualitas pemerintahan. Kurangnya sistem yang mampu menangani data kompleks dan ketidakseimbangan kelas (netral mendominasi) menyebabkan informasi kurang representatif, menciptakan kesenjangan antara kebutuhan dan solusi saat ini. Penelitian ini mengembangkan sistem analisis sentimen menggunakan empat model deep learning : IndoBERT, LSTM, CNN, dan GRU. Proses melibatkan pengumpulan data dari X, preprocessing (normalisasi teks, penanganan singkatan, stemming ), dan pelatihan model dengan evaluasi berbasis metrik akurasi, presisi, recall , dan F1-score. Model dikombinasikan dengan teknik penanganan ketidakseimbangan data untuk meningkatkan akurasi. Model CNN menunjukkan performa terbaik dengan akurasi 83,37%, diikuti LSTM (82,61%), GRU (82,30%), dan IndoBERT (80,77%). Semua model memenuhi target akurasi minimal 80%, meskipun kelas netral tetap menjadi tantangan. Kontribusi penelitian mencakup sistem klasifikasi sentimen berbasis deep learning yang dapat diimplementasikan pada analisis opini politik lokal, serta rekomendasi penggunaan model hybrid (seperti IndoBERT + CNN) untuk penelitian lanjutan.