Perkembangan teknologi yang begitu pesat tidak terelakkan lagi. Media sosial kini menjadi sarana media komunikasi yang paling mudah digunakan orang banyak. Dengan media sosial, banyak penilaian sentimen yang dapat diteliti. Salah satunya Twitter. Dengan twitter, pengguna dapat melakukan review sebuah produk berdasarkan pengalaman yang mereka alami. Tokopedia misalnya, platform e-commerce dengan jutaan akun pembeli tentunya seringkali mendapatkan respon positif atau negatif. Melalui twitter, tokopedia menyediakan layanan konsumen dengan akun @TokopediaCare. Analisa sentimen terhadap review pengguna tokopedia pada akun tersebut memberikan indikator yang berguna untuk berbagai tujuan yang dapat ditemukan dalam komentar, umpan balik ataupun kritik. Data kicauan yang telah dikumpulkan dari twitter diolah terlebih dahulu dipecah menjadi kata sehingga dapat memudahkan dalam mengklasifikasi jenis kata. Penelitian ini menggunakan algoritma Synthetic Minority Oversampling Technique (SMOTE), Naïve Bayes, Adaptive Boosting (AdaBoost), Support Vector Machine (SVM) dan Support Vector Machine Particle Swarm Optimization (SVM PSO) yang pengujiannya akan membandingkan dari campuran metode tersebut untuk mengetahui metode mana yang paling ideal dalam menentukan sentimen analisa pada kicauan twitter tokopedia. Dengan pengolahan hasil uji menggabungkan Synthetic Minority Oversampling Technique (SMOTE) dan Support Vector Machine Particle Swarm Optimization (SVM PSO) menghasilkan nilai terbaik yaitu Accuracy 76,05%, Precision 77,23%, Recall 74.14% dan AUC 0,826.
