Optimasi SVM Berbasis PSO pada Analisis Sentimen Wacana Pindah Ibu Kota Indonesia

President Joko Widodo decided to move the capital city of the country outside Java. The relocation of the capital city is contained in the 2020-2024 National Medium-Term Development Plan. Community response to this has been mixed through national television and social media, especially Twitter. The tendency of Twitter users to respond to the government discourse can be seen with sentiment analysis. Sentiment analysis is one of the areas of Natural Language Processing (NLP) that builds systems for recognizing and extracting opinions. In this study, the Feature Selection PSO algorithm in the classification of the SVM model is proposed to improve the resulting accuracy in the sentiment analysis of moving capital cities. Experiments on the data of 1,319 tweets (457 positive sentiments and 862 negative sentiments) indicate an increase in accuracy by 2.09% from 79.06% to 81.15%, with the classification category is “Good Classification”.Presiden Joko Widodo memutuskan wacana pindah ibu kota negara ke luar Pulau Jawa. Pemindahan ibu kota ini tertuang dalam Rencana Pembangunan Jangka Menengah Nasional 2020-2024. Respon masyarakat terkait hal tersebut sangat beragam baik melaui televisi nasional maupun media sosial khususnya twitter. Kecenderungan respon pengguna twitter dalam menyikapi wacana pemerintah tersebut dapat diketahui dengan analisis sentimen. Analisis sentimen adalah salah satu bidang dari Natural Languange Processing (NLP) yang membangun sistem untuk mengenali dan mengekstraksi opini dalam bentuk teks. Dalam penelitian ini, diusulkan algoritma Feature Selection PSO pada klasifikasi model SVM untuk meningkatkan akurasi yang dihasilkan pada analisis sentimen wacana pindah ibu kota. Pembuktian yang dilakukan melalui eksperimen dengan data 1.319 tweets (457 sentimen positif dan 862 sentimen negatif) menunjukan peningkatan akurasi sebesar 2,09% dari akurasi sebelumnya 79,06% menjadi 81,15% dengan kategori “Good Clasification”.&nbsp