KRL Commuter Line merupakan tansportasi umum yang sangat diminati oleh masyarakat. Tarif yang terjangkau menjadi alasan kenapa Commuter Line banyak peminat. Dengan banyaknya pengguna jasa transportasi ini, pihak KRL Commuter Line harus terus meningkatkan pelayanan. Dalam proses nya sering ditemukan adanya kendala yang menyebabkan pengguna melakukan keluhan. Pengguna dari Commuter Line sering melakukan keluhan atau memberikan opininya lewat media sosial twitter. Pada penelitian ini dilakukan analisis sentimen kepada pengguna Commuter Line. Analisis sentimen dilakukan untuk klasifikasi cuitan atau tweet mengenai pelayanan Commuter Line ke dalam sentimen positif dan negatif. Fokus penelitian ini yaitu membandingkan algoritma Support Vector Machine (SVM), SVM-Particle Swarm Optimization, Naive Bayes dan NB-Adaboost. Data yang digunakan sebanyak 1001 data tweet pada Twitter @CommuterLine. Hasil perbandingan didapat nilai rata-rata untuk SVM: 78.15%, SVM-PSO: 79.47%, NB: 76.67% dan NB-Adaboost: 78.80%. Sehingga dapat dilihat klasifikasi algoritma yang menggunakan metode optimasi dapat meningkatkan nilai rata-rata. Dalam penelitian ini algoritma SVM dengan metode optimasi PSO merupakan klasifikasi yang lebih baik digunakan dibandingkan dengan algoritma SVM, Naive Baiyes maupun Naive Bayes dengan optimasi AdaBoost.