Lonjakan pertumbuhan e-commerce di Indonesia telah menyebabkan munculnya banyak marketplace online baru, termasuk aplikasi Lazada. Dalam aplikasi ini, pengguna menghadapi berbagai pengalaman dan dapat berbagi pandangan mereka melalui ulasan, menyoroti kelebihan dan kelemahan. Namun, kelimpahan ulasan pengguna membuatnya sulit untuk mengekstrak informasi yang relevan sesuai dengan kebutuhan individual. Oleh karena itu, menggunakan analisis sentimen menjadi solusi yang memungkinkan untuk menyaring data ulasan pengguna, memberikan penilaian menyeluruh terhadap kualitas aplikasi Lazada. Metode yang digunakan dalam penelitian ini adalah Term Frequency - Inverse Document Frequency (TF-IDF) dan Ensemble Learning, khususnya menggunakan pendekatan Voting. Penelitian ini digunakan untuk membandingkan efektivitas antara Na ??ve Bayes tunggal dan metode Voting. Multinomial Na ??ve Bayes menunjukkan akurasi dan F1-Score lebih tinggi dibandingkan dengan model klasifikasi lainnya, mencapai akurasi 89,1% dan F1-Score 89,65%.