Sentiment Analysis merupakan cabang penelitian dari Text Mining yang berguna untuk mengklasifikasi dokumen teks berupa opini berdasarkan sentimen. Penelitian  mengenai  sentiment analysis  telah dilakukan  dengan menggunakan beberapa metode data mining.  Salah satu diantaranya  adalah melakukan klasifikasi sentiment analysis dengan  menggunakan metode Support Vector Machine berbasis Particle Swarm Optimization. Jenis teks yang digunakan pada penelitian ini adalah komentar hasil evaluasi dosen pada SIMARI  yang berupa opini-opini menggunakan bahasa Indonesia dengan kategori teks yang pendek, serta penggunaan bahasa yang unik.Dalam penelitian hasil klasifikasi suatu algoritma ada beberapa menggunakan metode peningkatan optimasi. Metode optimasi yang digunakan dalam penelitian ini adalah Particle Swarm Optimization. Hasil yang diperoleh pada penelitian ini adalah pengujian denganjumlah nilai parameter terbaik dari Support Vector Machine, menghasilkan tingkat akurasi klasifikasi yang berbeda tergantung dari nilai dari parameter tersebut. Performa akurasi terbaik menggunakan algoritma Support Vector Machine dengan Particle Swarm Optimization diperoleh pada pengujian klasifikasi dengan nilai parameter cost bernilai 1 dengan hasil 82,26 % kemudian pada pengujian dengan Particle Swarm Optimization menggunakan jumlah partikel dan iterasi sebanyak 30 dan 10,diperoleh hasil akurasi tertinggi sebesar 82,59 %.