Transaksi daring sedang berkembang sangat pesat saat ini. Setiap transaksi daring sering kali disertai dengan ulasan. Ulasan produk dari pembeli dapat dimanfaatkan penjual sebagai feedback. Ulasan produk memberikan informasi sebagai pertimbangan pengambilan keputusan bagi calon pembeli untuk mengetahui keunggulan dan kelemahan dari produk. Mengidentifikasi fitur produk secara spesifik dari ulasan yang ditulis pembeli menjadi solusi untuk mempermudah menemukan informasi. Ekstraksi berbasis aspek pada analisis sentimen dibagi menjadi dua, yaitu aspek eksplisit dan aspek implisit. Aspek eksplisit merupakan aspek tersurat dalam kalimat sedangkan aspek implisit merupakan aspek yang tersirat dalam kalimat. Ekstraksi yang dilakukan pada penelitian ini berdasarkan aspek implisit untuk menentukan fiturnya karena mayoritas penelitian yang sudah ada melakukan ekstraksi aspek eksplisit. Ekstraksi aspek implisit pada ulasan produk menggunakan Algoritma FIN pada association rule mining. Dataset berupa teks berbahasa inggris dimana untuk mengekstraksi fitur menggunakan TF-IDF dan menyeleksi fitur menggunakan Particle Swarm Optimization. Fitur yang telah terseleksi dikelompokkan menggunakan kmeans. Setelah fitur dikelompokkan berdasarkan nilai cirinya maka dibuat aturan asosiatif menggunakan Algoritma FIN. Nilai minimum support yang diterapkan dan keberagaman kata dalam kalimat menyebabkan nilai akurasi yang diperoleh sebesar 0.678.