Saat ini, e-commerce menyediakan halaman khusus bagi konsumen yang ingin menyampaikan ulasan mengenai produk yang dijual pada e-commerce tersebut (product review). Hal ini dapat membantu calon pembeli untuk mengambil keputusan apakah produk yang mereka ingin beli adalah produk bagus atau tidak. Selain itu, product review membantu penjual untuk mendapatkan feedback dari konsumen. Calon pembeli dan penjual dapat membaca ulasan satu per satu product review dan mengelompokkannya menjadi opini positif dan opini negatif. Namun, permasalahan yang terjadi adalah semakin hari jumlah product review semakin bertambah dan konsumen memberikan tanggapan positif dan negatif terhadap beberapa fitur suatu produk secara bersamaan (format bebas). Hal ini dapat menyulitkan penjual dan calon pembeli untuk melihat fitur yang mana yang positif atau negatif dari suatu produk. Oleh karena itu, dibutuhkan sistem yang dapat mengekstraksi fitur dari suatu produk dan mengklasifikasikan opini terhadap fitur tersebut secara otomatis. Metode Class Sequential Rules (CSR) dapat diimplementasikan pada proses ekstraksi fitur dan metode Opinion Lexicon dapat diimplementasikan pada proses klasifikasi opini. Hal ini terbukti dengan munculnya kumpulan fitur sebagai hasil ekstraksi fitur dan kumpulan pasangan fitur-polaritas sebagai hasil klasifikasi opini. Nilai f-score tertinggi dari ekstraksi fitur menggunakan CSR pada review beroformat bebas yaitu sebesar 51,26%. Sedangkan nilai f-score tertinggi pada klasifikasi opini menggunakan Opinion Lexicon pada review berformat bebas yaitu sebesar 35,65%.
Kata kunci: ekstraksi fitur, klasifikasi opini, opinion mining, product review, Class Sequential Rule, Opinion Lexicon