Salah satu kebijakan yang sedang ramai diperbincangkan masyarakat adalah penetapan PPKM. Dimana kebijakan tersebut menimbulkan pro dan kontra di masyarakat khususnya pada media sosial twitter. Salah satu pendekatan yang dapat digunakan untuk memahami respon dan persepsi masyarakat dari data twitter adalah analisis sentimen berbasis machine learning. Namun, pendekatan ini memiliki beberapa kekurangan pada data dengan dimensi fitur yang tinggi, fitur redundant, tidak relevan dan tumpang tindih sehingga berdampak pada proses komputasi karena memerlukan waktu dan memori yang lebih banyak. Oleh karena itu, penelitian ini mengusulkan seleksi fitur menggunakan Opposition-based Whale Optimization (OBWOA) pada analisis sentimen terhadap kebijakan PPKM berdasarkan tweet masyarakat di twitter. Pada penelitian ini juga digunakan Support Vector Machine (SVM) sebagai algoritma classifier Namun, performa SVM sepenuhnya bergantung pada pemilihan parameter yang disesuaikan dengan kondisi datanya. Sehingga, untuk mendapatkan performa klasifikasi yang baik maka terlebih dahulu dilakukan optimasi parameter SVM khususnya pada parameter C dan gamma. Berdasarkan hasil penelitian, diperoleh parameter SVM yang optimal C = 4.99522643 dan gamma = 1.4236435 dengan accuracy, precision, recall, dan f-measure masing-masing 75,20%, 79,73%, 71,65%, 70.,88%. Selanjutnya, diperoleh fitur terbaik sebanyak 652 dengan accuracy, precision, recall, dan f-measure masing-masing 82,40%, 84,23%, 79,63%, dan 78,96%. Serta, metode seleksi fitur yang diusulkan juga mampu mengurangi waktu komputasi. Selain itu, berdasarkan hasil klasifikasi sentimen dapat diketahui bahwa mayoritas sentimen masyarakat terhadap kebijakan PPKM adalah Negatif.

Kata kunci: ppkm, analisis sentimen, seleksi fitur, optimasi parameter