Penelitian terhadap ringkasan multi-opini telah banyak dilakukan dengan berbagai macam metode. Pada penelitian ini digunakan pendekatan preprocessing dengan Natural Language Processing (NLP) dan metode klasfikasi k-Nearest Neighbor (k-NN) berbasis Cosine Similarity untuk mengukur performansi k-Nearest Neighbor (k-NN) dalam mengklasifikasikan sentimen pada data teks opini klien terhadap jasa Go-Jek yang diambil melalui jejaring sosial Twitter dan untuk menghasilkan ringkasan yang memiliki tingkat similaritas tinggi dengan opini yang telah dikemukakan oleh klien. Hasil dari sistem yang diimplementasikan dievaluasi menggunakan ROUGE.
Pengimplementasian menggunakan pendekatan Natural Language Processing (NLP) dan metode klasifikasi k-Nearest Neighbor (k-NN) terbukti mampu memberikan hasil akurasi sekitar 70%.
Kata kunci: Analisis sentiment, ringkasan multi-opini, NLP, k-NN, Cosine Similarity.