P Perkembangan dunia digital memberikan banyak perubahan, salah satunya pada dunia entertainment dimana banyak orang menjadi konten kreator di dunia internet seperti menjadi seorang Virtual Youtuber (VTuber). Vtuber memiliki basis penggemar besar di sosial media Twitter dalam memberikan komentar atau kritikan mereka terhadap para VTuber. Opini dari penggemar dapat diklasifikasikan menjadi positif dan negatif menggunakan analisis sentimen. Dalam melakukan analisis sentimen diperlukan sebuah metode untuk melihat keakuratan yang dihasilkan dalam melakukan klasifikasi. Penelitian ini menggunakan algoritma Long Short-Term Memory (LSTM) dengan word embedding Word2Vec CBOW untuk melakukan klasifikasi. Data yang digunakan berjumlah 12.644 yang diambil dari sosial media Twitter sejak tanggal 28 Maret 2022 hingga 6 Juni 2022 dengan kata kunci kobokanaeru dan pembagian label positif dan negatif. Hasil penelitian ini adalah nilai akurasi sebesar 74% pada learning rate 0.001 menggunakan optimizer adam dengan epoch 65 dan RMSprop dengan epoch 70 pada penggunaan 1 layer, sedangkan untuk dua layer akurasi terbesar ada pada adam optimizer dengan 73% pada epoch 65.