Ulasan sebuah produk dari konsumen dapat digunakan oleh perusahan untuk meningkatkan penjualan dan kualitas produknya sedangkan bagi konsumen dapat memberikan keputusan dalam pembelian. Dengan meningkatnya jumlah ulasan serta user score dari konsumen memunculkan masalah baru yaitu ketika ulasan yang diberikan oleh konsumen tidak sesuai dengan user score yang diberikan. Untuk itu dibangun sebuah sistem yang dapat melakukan peringkasan untuk memberikan nilai terhadap ulasan konsumen dengan bantuan user score dari konsumen. Tahapan pertama untuk membangun sistem ini adalah preprocessing dimana preprocessing terdiri dari 3 tahapan yaitu Stopword Removal, Lemmatization, dan POS Tagging. Tahap kedua adalah ekstrasi fitur dan opini dengan menggunakan Type Dependency Parser. Tahap ketiga adalah penentuan polaritas fitur dengan menggunakan Semantic Orientation – Pointwise Mutual Information. Tahap keempat adalah peringkasan dengan menggunakan feature scoring dan Pearson Correlation untuk mengetahui nilai dari setiap fitur yang terekstrak. Hasil proses ekstraksi dan penentuan polaritas adalah daftar fitur dan opini serta polaritas dari setiap fitur. Peringkasan dokumen dengan menggunakan feature scoring menghasilkan skor dari setiap fitur yang berhasil terekstrak pada setiap ulasan yang kemudian dilanjutkan dengan proses Pearson Correlation untuk meilhat trend antara skor dari dataset dengan skor yang dihasilkan oleh feature scoring dimana nilai korelasi tertinggi adalah pada dataset Nook Tablet 16Gb yaitu fitur ke-46 Seller dengan nilai korelasi 1.00 atau berkorelasi sangat kuat dan nilai korelasi terendah adalah pada dataset Nook Tablet 16Gb yaitu fitur ke-62 Unit dengan nilai korelasi -0.94 atau berkorelasi terbalik sangat kuat.
Kata kunci: analisis sentimen, ulasan produk, feature based opinion summarization, type dependency parser, semantic orientation – pointwise mutual information, feature scoring, scoring product feature, pearson correlation