Penanganan keluhan merupakan salah satu hal yang paling penting dalam sebuah perusahaan. Shopee dengan official akunnya, @shopeecare khusus digunakan untuk menangani keluhan secara langsung dengan pengguna melalui Twitter. Karena ketidakterbatasan dari Twitter ini, pengguna bisa mengungkapkan semua kepada Shopee dan membuat struktur data yang tidak beraturan yang menghambat penanganan keluhan. Maka dari itu, dibutuhkan metode untuk mengelompokkan data menjadi beberapa kategori seperti aplikasi, pembatalan dan pengembalian, pencairan, pembayaran, pengiriman, voucher dan promosi, serta shopeepay. Metode yang digunakan dalam penelitian ini adalah ekstrasi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF)  dan klasifikasi dengan menggunakan Support Vector Machine serta Particle Swarm Optimization. Penelitian yang dilakukan menghasilkan akurasi sebesar 82,05% untuk SVM dan 82,56% untuk kombinasi SVM-PSO dengan menggunakan split 0.2. Nilai Precision, Recall dan f1-score untuk SVM-PSO adalah 83%, 84%, dan 84%. Dari hasil tersebut, dapat disimpulkan bahwa PSO dapat meningkatkan akurasi dari SVM.

Kata kunci: keluhan, klasifikasi, Particle Swarm Optimization, Support Vector Machine, Twitter