Kebocoran Data Merupakan Masalah Yang Sering Terjadi Saat Ini Dan Dapat Merugikan Banyak Pihak. Opinion Mining Merupakan Bagian Dari Pemrosesan Bahasa Alami (Natural Language Processing) Yang Fokus Pada Pengenalan, Pengumpulan, Dan Evaluasi Opini, Sentimen, Atau Perasaan Yang Terdapat Dalam Teks Atau Data. Keberadaan Opini Menjadi Semakin Penting Karena Berbagai Isu Yang Terjadi. Salah Satunya Yaitu Kasus Kebocoran Data Pada Bank Syariah Indonesia, Yang Dapat Memengaruhi Opini Masyarakat Terhadap Bank Syariah Indonesia. Tujuan Penelitian Ini Adalah Mengetahui Sentimen Pengguna Twitter Setelah Terjadinya Kebocoran Data Pada Bank Syariah Indonesia Dan Melakukan Pemodelan Dan Mendapatkan Nilai Kinerja Menggunakan Lexicon Based Dan Algoritma Random Forest Dengan Optimasi PSO. Data Yang Digunakan Dalam Penelitian Ini Adalah Tweet Dari Twitter Mengenai Kebocoran Data Bank Syariah Indonesia Dalam Rentang Waktu 1 April 2023 – 30 Juni 2023. Metode Data Mining Yang Digunakan Pada Penelitian Ini Mengacu Pada Kerangka Kerja Sample, Explore, Modify, Model, Assess (SEMMA) Yang Mencakup Tahap Pengumpulan Data, Eksplorasi, Transformasi, Pemodelan, Dan Evaluasi Data. Hasil Akurasi Dari Algoritma Random Forest Yaitu 83,41% Sementara Itu Algoritma Random Forest Dengan Particle Swarm Optimization Menghasilkan Akurasi 83,92%. Hasil Akurasi Penerapan Algoritma Random Forest Dan Random Forest Dengan Particle Swarm Optimization Pada Topik Kebocoran Data Di Bank Syariah Indonesia Memungkinkan Hybrid Algoritma Tersebut Digunakan Dalam Klasifikasi Analisis Sentimen Pada Dataset Yang Baru Secara Efektif.
Kata Kunci: Analisis Sentimen, Kebocoran Data, Lexicon Based, Particle Swarm Optimization (PSO), Random Forest.