Seiring dengan perkembangan teknologi, e-commerce turut mengalami perkembangan yang cukup pesat. Keberadaan e-commerce menjadi alternatif lain konsumen untuk mempermudah mereka berbelanja memenuhi kebutuhannya. Setelah membeli barang, konsumen bebas melakukan penilaian terhadap produk yang mereka beli. Ulasan produk dan rating yang diberikan oleh konsumen merupakan salah satu sarana yang dapat digunakan untuk meningkatkan penjualan dan dapat pula digunakan untuk menentukan keputusan dalam pembelian suatu produk dengan membaca ulasan produk tersebut. Namun dengan menggunakan rating dan ulasan saja tidak cukup untuk menyimpulkan pendapat seseorang. Maka dari itu pada Tugas Akhir ini dibangun sistem yang dapat mengklasifikasikan opini terhadap ulasan produk menjadi sentimen positif dan negatif dengan memanfaatkan rating. Dataset yang digunakan adalah Grocery and Gourmet Food dari Amazon sebanyak 50.000 yang kemudian akan dilabeli menggunakan Metode Pelabelan Average dan Binary. Klasifikasi opini ini menggunakan pendekatan Supervised learning Algoritma Multinomial Naïve Bayes. Hasil penelitian ini didapatkan bahwa pelabelan menggunakan Metode Average cocok untuk mengolah Dataset Grocery and Gourmet Food dan membuktikan bahwa jumlah terbaik penggunaan feature selection sebesar 20% berhasil menghasilkan akurasi sebesar 80.48%.