Adanya ulasan pada situs online membuat masyarakat lebih tertarik dalam membeli suatu produk. Untuk membeli suatu produk, khususnya produk kecantikan membutuhkan banyak pertimbangan. Selain itu, masyarakat harus teliti dalam membaca ulasan untuk menentukan apakah suatu produk akan dibeli atau tidak. Namun, ulasan tersebut jumlahnya sangat banyak dan beragam. Hal ini menyebabkan ulasan menjadi bias. Oleh karena itu, dibutuhkan analisis sentimen berbasis aspek dengan pendekatan machine learning. Analisis sentimen berbasis aspek membantu untuk mencari sentimen pada tiap kalimat di suatu ulasan produk. Penelitian ini menggunakan metode machine learning yaitu K-Nearest Neighbor (KNN) dengan dataset female daily. KNN merupakan salah metode sederhana dan efisien tetapi menghasilkan bias. Masalah tersebut dapat diatasi dengan menerapkan metode seleksi fitur. Metode seleksi fitur yang digunakan adalah Information Gain (IG). Pengujian dilakukan pada tahapan preprocessing, seleksi fitur, dan klasifikasi. Hasil pengujian menunjukkan data yang menggunakan stemming, normalisasi, threshold IG 0,5, dan nilai k = 23 pada KNN menghasilkan akurasi terbaik sebesar 74,21%.