Support Vector Machine (SVM) dapat digunakan untuk mengklasifikasikan analisis sentimen ke dalam sentimen positif atau negatif. Dalam penelitian ini data sentimen diambil dari Twitter dengan topik pemekaran Papua. Karena SVM memiliki kelemahan dalam pemilihan fitur pada saat pengklasifikasian maka diterapkan fitur optimasi algoritma SVM menggunakan feature selection. Dua metode feature selection yang digunakan adalah Particle Swarm Optimization (PSO) dan Genetic Algorithm (GA). Tweet yang diambil sebanyak 839 data tweet, yang kemudian dibagi menjadi 640 data untuk proses training dan 199 data untuk proses testing. Proses pengolahan data dibagi ke dalam dua tahap yakni data training dan data testing. Pengujian dilakukan sebanyak empat model yaitu dengan algoritma SVM, SVM+PSO, SVM+GA, SVM+PSO+GA. Hasil percobaan menunjukkan bahwa pemodelan SVM+PSO+GA memperoleh nilai akurasi terbaik sebesar 95.00% dengan nilai AUC sebesar 0.912
Kata Kunci : Analisis sentiment, Genetic Algorithm (GA), Particle Swarm Optimization (PSO), Support Vector Macine (SVM), Twitter.