Media sosial adalah sebuah media online yang digunakan penggunanya untuk saling berinteraksi dengan
mengekspresikan diri dengan cara memberikan komentar, salah satu contohnya adalah Instagram. Semua
komentar yang terkumpul tersebut akan membentuk suatu opini masyarakat. Opini tersebut bisa
dimanfaatkan dengan analisis sentimen agar menjadi sebuah informasi. Metode yang umum digunakan
untuk melakukan analisis sentimen adalah klasifikasi menggunakan machine learning. Salah satu machine
learning yang sering digunakan adalah Support Vector Machine (SVM). Namun, pada masalah yang
bersifat non-linear seperti analisis sentimen, SVM memerlukan kernel untuk memetakan vektor ke dalam
ruang berdimensi tinggi agar dapat menyelesaikan permasalahan non-linear. Permasalahan yang dihadapi
dalam menggunakan kernel adalah memilih parameter yang optimal untuk model klasifikasi agar dapat
menghasilkan model klasifikasi yang baik. Penelitian ini mengusulkan pendekatan baru untuk
mendapatkan parameter yang optimal untuk SVM menggunakan Genetic Algorithm (GA). Penelitian ini
merancang sebuah model klasifikasi SVM-GA mulai dari tahap pengumpulan data, pengolahan data,
klasifikasi, hingga evaluasi. Hasil penelitian menunjukan bahwa akurasi terbaik yang dihasilkan dengan
parameter yang dioptimasi dengan algoritma genetika adalah 81,6% atau meningkat sebesar 2,4% dari
metode analisis sentiment SVM tanpa optimasi GA.