Pada awal tahun 2020, dunia digemparkan dengan virus baru dari Wuhan, China yaitu virus corona atau disebut COVID-19 (Coronavirus Disease 2019). Berbagai upaya dilakukan pemerintah dalam penanganan pandemi ini, namun peran pemerintah dalam penanganan Covid-19 menuai banyak pro dan kontra. Salah satu yang hangat diperbincangkan di Twitter hingga saat ini yaitu opini masyarakat terkait penanganan Covid-19 oleh pemerintah Indonesia. Komentar masyarakat pada media sosial Twitter tersebut dapat dilakukan analisis sentimen untuk kemudian dilakukan klasifikasi dengan algoritma klasifikasi untuk menentukan mana komentar yang dianggap pro dan kontra. Pada penelitian ini melakukan perbandingan menggunakan metode klasifikasi K-Nearest Neighbor, seleksi fitur Information Gain dengan klasifikasi K-Nearest Neighbor, serta seleksi fitur Information Gain dan optimasi Particle Swarm Optimization menggunakan algoritma klasifikasi K-Nearest Neighbor. Dari hasil perbandingan diperoleh klasifikasi K-Nearest Neighbor dengan seleksi fitur Information Gain dan optimasi Particle Swarm Optimization lebih unggul daripada model K-Nearest Neighbor tanpa seleksi fitur dan tanpa optimasi serta lebih unggul dari model K-Nearest Neighbor dengan seleksi fitur Information Gain yaitu sebesar 87,33% dengan nilai K pada K-Nearest Neighbor yaitu 5.