Peningkatan jumlah pengguna internet sejalan dengan peningkatan jumlah data di internet yang tersedia untuk bisa dianalisis, khususnya data dalam bentuk teks. Ketersediaan data teks ini mendorong penelitian analisis sentimen banyak dilakukan. Namun ternyata ketersediaan data teks yang melimpah tersebut juga menjadi salah satu tantangan tersendiri dalam penelitian analisis sentimen. Dataset yang terdiri dari dokumen teks yang relatif panjang dan kompleks memerlukan pendekatan yang berbeda. Pada penelitian ini, LSTM dipilih untuk digunakan sebagai metode klasifikasi sentimen. Dataset yang digunakan adalah dataset movie review yang terdiri dari 25.000 dokumen review, dengan panjang rata-rata per review adalah 233 kata. Penelitian menggunakan metode CBOW dan Skip-Gram pada word2vec untuk membentuk vektor representasi dari setiap kata (word vector) di corpus. Beberapa ukuran dimensi dari word vector yaitu dimensi 50, 60, 100, 150, 200 dan 500 digunakan, untuk mengetahui pengaruhnya terhadap akurasi yang dihasilkan. Akurasi terbaik diperoleh pada ukuran dimensi word vector 100 sebesar 88.17% dan akurasi terendah sebesar 85.86% pada ukuran dimensi word vector 500.