Banyaknya platform yang dilengkapi dengan fitur ulasan membuat orang dengan mudah dalam
menyampaikan apapun. Ulasan produk merupakan penilaian yang bersifat opini dari konsumen tentang
produk yang telah dibelinya. Ulasan ini dapat memberikan manfaat baik untuk produsen maupun
konsumen. Ulasan dari konsumen dapat mengandung penilaian yang mencakup aspek dari produk dan
ulasan dapat mencapai ratusan bahkan ribuan. Banyaknya ulasan mengakibatkan sulitnya dalam proses
analisis sentimen. Maka dari itu diperlukannya sebuah model yang dapat menganalisis sentimen
berdasarkan pada aspek dari produk tersebut. Analisis sentimen dilakukan dengan menggunakan
algoritma naïve bayes, ekstraksi fitur dengan TF-IDF, serta seleksi fitur dengan chi square. Penerapan
proses stopwords removal atau stemming pada preprocessing serta penggunaan n-gram pada ekstraksi fitur dapat mempengaruhi performansi yang dihasilkan. Selain itu, penerapan seleksi fitur pada model yang dibangun memiliki peranan penting karena dapat meningkatkan performansi klasifikasi. Dari hasil
penelitian didapatkan akurasi terbaik sebesar 80,18%, recall sebesar 72,49%, presisi sebesar 77,25% dan f1-score sebesar 74,73%.
Kata kunci : analisis sentimen, TF-IDF, n-gram, chi square, naive bayes.