Media sosial saat ini sangat berkembang cepat dalam membantu orang, perusahaan, sebuah organisasi untuk menganalisis informasi dan mengambil keputusan. Sentiment analysis digunakan untuk membangun sebuah sistem melalui pengumpulan dan analisis komentar terhadap produk yang dibuat dari review atau tweet, comments, dan blog spot dalam sebuah web. Review terdiri dari beberapa ulasan yang diekspresikan dengan cara dan lingkup yang berbeda. Analisis ulasan terhadap suatu produk pada level dokumen dan level kalimat tidak bisa menangani aspek apa saja yang menyebabkan seseorang menyukai atau tidak menyukai sebuah produk. Sehingga dibutuhkan sebuah solusi yang lebih detail dalam memberikan rekomendasi terhadap sebuah produk, salah satunya sentiment analysis level aspek. Sentiment analysis level aspek dapat dilakukan melalui dua tahapan, yaitu: (1) melakukan identifikasi aspek terhadap suatu produk yang terdapat dalam opini konsumen ,(2) mengidentifikasi kalimat yang mengandung opini positif dan negatif pada setiap aspek (klasifikasi). Penelitian ini menggunakan algoritma apriori dalam proses ekstraksi aspek dan Naive Bayes Classifier dalam memberikan nilai opini positif , dan negatif. Penggunaan Naive Bayes Classifier dan algoritma apriori pada data ulasan produk didapatkan performansi yang kurang baik, sehingga untuk meningkatkan hasil perlu dilakukan proses penambahan algoritma apriori pada bag of word dan coreference resolution pada preprocessing. Proses penambahan kedua metode dihasilkan performansi F1measure terbaik mencapai 0,8888.