Ulasan produk dalam e-commerce dapat membantu produsen dalam meningkatkan kualitas produknya dan membantu konsumen untuk mengambil keputusan. Sayangnya, penumpukan jumlah ulasan menyulitkan penarikan kesimpulan. Peringkasan ulasan produk dengan analisis sentimen merupakan solusi dari masalah penumpukan ulasan. Tahap pertama yang dilakukan adalah menentukan fitur produk terekstraksi menggunakan pattern knowledge yang kemudian dibandingkan dengan fitur pada dokumen untuk menemukan fitur produk teridentifikasi. Penentuan analisis sentimen dilakukan dengan menggunakan kamus SentiWordNet untuk menentukan orientasi kata opini. Peringkasan ulasan produk dilakukan dengan menggunakan penilaian tf-idf untuk masing-masing kalimat, kemudian dilakukan centroid based clustering untuk masing-masing fitur perorientasinya. Hasil yang didapatkan dari penelitian ini yaitu preprocessing menggunakan lemmatization dan pemberian label dengan POS Tagging adalah yang paling sesuai dan mempengaruhi performansi dibandingkan dengan menambahkan stopword removal. Performansi dari tahap ekstraksi di sekitar angka 60% sampai 90% pada dataset yang digunakan. Klasifikasi menggunakan SentiWordNet memberikan hasil antara 65% sampai 72% bergantung pada struktur dan kompleksitas dataset-nya. Peringkasan dokumen dapat dilakukan dengan dataset yang memiliki jumlah kalimat ulasan dan fitur produk yang memadai sehingga dapat dilakukan penilaian serta clustering.
Kata Kunci: ulasan produk, pattern knowledge, analisis sentimen, peringkasan, tf-idf, centroid based clustering.