Akun Instagram Kementrian BUMN memiliki postingan yang dapat dikomentari dengan bebas oleh Masyarakat,Namun, kolom komentar di Instagram Kementrian BUMN sering kali menjadi tempat bagi masyarakat untuk menyampaikan komentar negatif. Khususnya pada Postingan Mengenai “Rekrutmen Bersama BUMN” (RBB). Dengan Permasalahan tersebut, penelitian ini dibuat Melakukan analisis sentimen terhadap Opini Masyarakat mengenai Program Rekrutmen Bersama BUMN (RBB) Kementrian BUMN dengan Menggunakan data yang diambil dari Instagram. Dalam penelitian ini, data dibagi dengan indeks perbandingan 80:10:10. 80 digunakan untuk instruksi, 10 untuk validasi, dan 10 untuk pengujian, Sentimen Analisis pada Penelitian ini Metode Recurrent Neural Network (RNN). Metode ini digunakan untuk Melakukan penelitian sentimen analisis pada kolom komentar Instagram Kementrian BUMN dengan berupa data teks. Dan dipadukan dengan Menggunakan model Word2Vec sebagai fitur ekstraksi dari pelabelan dan pemodelan pada penelitian ini, didapat Presentasi komentar untuk kelas positif sebesar 45.29% , kelas netral sebesar 22,00% dan kelas positif sebesar 32,71% dan Tingkat akurasi untuk analisis sentimen komentar Instagram Kementrian BUMN Menggunakan Recurrent neural network adalah sebesar 88%

The Ministry of BUMN's Instagram account has posts that can be commented on freely by the public. However, the comments column on the Ministry of BUMN's Instagram is often a place for the public to convey negative comments. Especially in posts regarding "Recruitment with BUMN" (RBB). With these problems, this research was carried out to carry out sentimen analysis of public opinion regarding the BUMN Joint Recruitment Program (RBB) of the Ministry of BUMN using data taken from Instagram. In this study, the data was divided by a comparison index of 80:10:10. 80 are used for instructions, 10 for validation, and 10 for testing. Sentimen Analysis in this Research Recurrent Neural Network (RNN) Method. This method is used to conduct sentimen analysis research on the Instagram comments column of the Ministry of BUMN in the form of text data. And combined with using the Word2Vec model as an extraction feature. From the labeling and modeling in this research, the percentage of comments for the positive class was 45.29%, the neutral class was 22.00% and the positive class was 32.71% and the accuracy rate for sentimen analysis of Instagram comments Ministry of State-Owned Enterprises Using Recurrent Neural Network is 88%