Penelitian ini menyelidiki klasifikasi sentimen dalam e-commerce menggunakan Naïve Bayes dengan fitur berbasis leksikon, N-gram, dan gabungan leksikon-N-gram. Meskipun penelitian sebelumnya telah menggunakan berbagai platform e-commerce dan mencapai berbagai tingkat akurasi menggunakan Naïve Bayes untuk analisis sentimen, kombinasi fitur leksikon dan N-gram dengan Naïve Bayes belum banyak dieksplorasi dalam konteks e-commerce. Penelitian ini mengusulkan untuk mengevaluasi tiga model: Naïve Bayes dengan Fitur Leksikon, Naïve Bayes dengan Fitur N-Gram, dan Naïve Bayes dengan Fitur Gabungan Leksikon-N-Gram. Penelitian ini menganalisis 10.000 ulasan pelanggan terhadap aplikasi Shopee dari Google Play Store. Hasilnya menunjukkan bahwa model Naïve Bayes dengan fitur gabungan leksikon-N-gram mencapai kinerja tertinggi di antara ketiga pendekatan tersebut. Dengan menggunakan validasi silang 10 kali lipat, model gabungan mencapai akurasi rata-rata 83,4%. Model N-gram menunjukkan kinerja yang kuat dengan akurasi rata-rata 82,8%, sedangkan model berbasis leksikon menunjukkan kinerja yang lebih rendah dengan akurasi rata-rata 77%. Temuan ini berkontribusi pada bidang analisis sentimen dalam e-commerce, menyoroti efektivitas penggabungan fitur leksikon dan N-gram saat digunakan dengan pengklasifikasi Naïve Bayes. Studi ini memberikan wawasan untuk mengoptimalkan teknik klasifikasi sentimen untuk platform e-commerce, menekankan pentingnya memanfaatkan informasi semantik dan kontekstual dalam tugas analisis sentimen.