Analisis sentimen terhadap isu Undang-Undang Cipta Kerja menjadi penting untuk
memahami opini publik secara otomatis. Namun, kompleksitas bahasa dan parameter
model yang tidak optimal seringkali menjadi kendala dalam menghasilkan klasifikasi yang
akurat. Penelitian ini membangun model klasifikasi sentimen menggunakan Support Vector
Machine (SVM) yang dioptimasi dengan Particle Swarm Optimization (PSO). Eksperimen
dilakukan melalui dua skenario preproses, yaitu stemming dan lemmatization, serta
berbagai kombinasi kernel, parameter, dan ekstraksi fitur berbasis TF-IDF. Hasil pengujian
menunjukkan bahwa skenario lemmatization memberikan performa lebih baik dengan
akurasi tertinggi sebesar 66,9% atau model berhasil memprediksi benar 66,9% data dari
keseluruhan data pada kernel sigmoid. Penelitian ini memberikan kontribusi dalam
meningkatkan performa model SVM melalui pendekatan optimasi parameter dengan PSO
untuk analisis sentimen terhadap isu sosial.
Kata Kunci : analisis sentimen, lemmatization, particle swarm optimization, stemming,
support vector machine, uu cipta kerja.