Virtual Reality (VR) adalah teknologi yang memungkinkan pengguna merasakan dan berinteraksi secara imersif dengan lingkungan simulasi yang dihasilkan oleh komputer. Teknologi ini menggunakan perangkat seperti Virtual Reality Headset, yang terdiri dari helm atau kacamata dengan layar, lensa khusus, dan sensor gerak untuk memasuki dunia virtual. VR memiliki potensi besar dalam berbagai bidang seperti pendidikan, hiburan, dan industri lainnya, namun juga menghadapi tantangan seperti motion sickness, isolasi sosial, dan masalah privasi. Penelitian ini bertujuan untuk menganalisis sentimen publik melalui komentar di channel Youtube "GadgetIn" dan diharapkan dapat memberikan kontribusi dalam pengembangan produk VR yang lebih baik di masa depan. Metode yang digunakan adalah Long Short-Term Memory (LSTM) untuk memproses dan menganalisis data sebanyak 9.832 komentar dari platform Youtube. Proses analisis melibatkan pelabelan menggunakan Inset Lexicon dan pembobotan Word2Vec untuk mengklasifikasikan komentar ke dalam kategori positif dan negatif. Data dibagi dengan rasio 80:10:10, di mana 80% digunakan untuk pelatihan, 10% untuk validasi, dan 10% untuk pengujian. Hasil penelitian menunjukkan bahwa model LSTM yang digunakan memiliki performa yang baik, dengan akurasi sebesar 92,15%, presisi 92,74%, recall 92,22%, dan F1-score 92,48%.

Virtual Reality (VR) is a technology that allows users to immersively experience and interact with computer-generated simulated environments. This technology uses devices such as Virtual Reality Headset, which consists of a helmet or glasses with a screen, special lenses, and motion sensors to enter a virtual world. VR has great potential in various fields such as education, entertainment, and other industries, but it also faces challenges such as motion sickness, social isolation, and privacy concerns. This research aims to analyze public sentiment through comments from the Youtube channel “GadgetIn” and is expected to contribute to the development of better VR products in the future. The method used is Long Short-Term Memory (LSTM) to process and analyze data of 9,832 comments on the Youtube platform. The analysis process involves labeling using Inset Lexicon and Word2Vec weighting to classify comments into positive and negative categories. The data was divided with a ratio of 80:10:10, where 80% was used for training, 10% for validation, and 10% for testing. The results show that the LSTM model used has good performance, with an accuracy of 92.15%, precision of 92.74%, recall of 92.22%, and F1-score of 92.48%.