Laporan ini membahas aktualisasi penyusunan tools sentiment analysis sebagai solusi atas belum adanya mekanisme untuk memitigasi risiko potensi mendiskreditkan institusi lain yang timbul dari persepsi pembaca terhadap hasil kajian atau analisis di Pusat Kajian Akuntabilitas Keuangan Negara (PKAKN), Setjen DPR RI. Risiko tersebut muncul karena hasil analisis berbasis Laporan Hasil Pemeriksaan BPK sering memuat temuan negatif yang dapat menimbulkan kesalahpahaman. Untuk mengatasi hal ini, disusun sebuah alat bantu berbasis Natural Language Processing (NLP) yang mampu mengidentifikasi polaritas sentimen (positif, negatif, netral) dari teks analisis. Proses pengembangan meliputi tahapan data collection, data cleaning dan preprocessing, pembangunan model berbasis kamus lexicon, serta visualisasi hasil analisis. Implementasi dilakukan menggunakan platform Google Colab agar dapat diakses secara gratis dan fleksibel. Uji coba menunjukkan bahwa tools sentiment analysis dapat berjalan dengan baik, menghasilkan klasifikasi sentimen dan visualisasi yang informatif. Produk ini diharapkan menjadi indikator objektif untuk meminimalkan distorsi persepsi, meningkatkan kualitas kajian, serta mendukung visi PKAKN menjadi pusat kajian yang profesional, andal, dan akuntabel. Ke depan, pengembangan diarahkan pada integrasi data scraper untuk memperoleh data primer dan meningkatkan akurasi analisis.