Strategi pemasaran seperti toko online atau lebih sering disebut e-commerce, muncul seiring
berkembangnya teknologi. Banyaknya pengguna e-commerce, tentunya akan membuat perusahaan
kesulitan untuk mengerti keinginan penggunanya. Dengan mengetahui sentimen pengguna, maka
perusahaan dapat mengetahui apakah sistem yang digunakan sudah baik untuk pengguna atau belum.
Oleh karena itu, analisis sentimen pengguna diperlukan agar perusahaan dapat mempertahankan
penggunanya. Untuk mendapatkan data sentimen, digunakanlah Twitter, karena Twitter memiliki jutaan
pengguna di Indonesia. Data dibagi menjadi tiga kelas yaitu: positif, negatif, dan netral. Penelitian dimulai
dengan mengumpulkan data berupa Tweet dari Twitter. Lalu dilakukan preprocessing yang terdiri dari:
Case Folding, Tokenisasi, Stopword, dan Stemming. Pembobotan data menggunakan TF-IDF, klasifikasi
menggunakan metode Naïve Bayes Classifier. Hasil penelitian menunjukkan rata-rata performansi tertinggi
yang didapatkan oleh klasifikasi menggunakan metode Naïve Bayes dan pembobotan TF-IDF pada data
uji 10%, yaitu Akurasi 66,64%, Precision 67,13%, dan Recall 68,44%. Metode Naïve Bayes memerlukan
sumber daya yang tidak kecil dan waktu yang cukup lama untuk data yang banyak.