Kasus korupsi timah di Kepulauan Bangka Belitung menjadi sorotan publik karena dampaknya terhadap lingkungan, perekonomian daerah, serta kepercayaan masyarakat terhadap institusi negara. Komentar publik yang tersebar di platform YouTube menjadi sumber data potensial untuk dianalisis guna memahami kecenderungan sentimen masyarakat. Oleh karena itu, penelitian ini bertujuan untuk melakukan analisis sentimen terhadap kasus tersebut dengan menggunakan algoritma IndoBERT dan Bidirectional LSTM. Tahapan penelitian menggunakan metode CRISP-DM yang mencakup business understanding, data understanding, data preparation, modeling, evaluation, dan deployment. Data dikumpulkan melalui YouTube Data API, kemudian diberi label sentimen menggunakan pendekatan hybrid, yaitu pelabelan otomatis dengan model pretrained IndoBERT serta verifikasi manual. Dua algoritma utama yang digunakan untuk mengklasifikasikan sentimen adalah IndoBERT dan Bidirectional LSTM, dengan evaluasi performa berdasarkan metrik accuracy, precision, recall, F1-score, dan AUC menggunakan skema Stratified K-Fold Cross Validation. Hasil evaluasi menunjukkan bahwa IndoBERT unggul dalam klasifikasi sentimen dengan rata-rata akurasi validasi sebesar 96,67% dan nilai F1-score sebesar 90,62%. Model ini mengungguli Bidirectional LSTM yang mencatat akurasi sebesar 95,60% dan F1-score sebesar 88,11%. Berdasarkan hasil tersebut, IndoBERT dipilih untuk diimplementasikan ke dalam sistem analisis sentimen berbasis web menggunakan framework Streamlit. Sistem ini mendukung masukan berupa URL video YouTube atau tema tertentu, serta mampu mengekstrak komentar, mengklasifikasikan sentimen, dan menyajikan visualisasi hasil secara otomatis. Dengan demikian, dapat disimpulkan bahwa IndoBERT lebih efektif dalam menganalisis sentimen publik terkait kasus korupsi timah di Kepulauan Bangka Belitung.