Perkembangan internet berpengaruh dalam peralihan proses transaksi jual-beli dimana sebelumnya masih konvensional berubah ke tingkat modern dengan pemanfaatan internet. Banyaknya website penyedia layanan jual-beli memudahkan konsumen untuk dapat melakukan pemilihan produk sesuai keinginan. Untuk mengetahui kualitas produk yang hendak dibeli, salah satu cara yang dapat dilakukan adalah dengan pembacaan review yang ditulis oleh konsumen yang pernah melakukan transaksi pembelian terhadap produk tersebut. Namun banyaknya review akan menyulitkan calon konsumen jika membaca secara keseluruhan dan penarikan kesimpulan dari isi review-review tersebut. Untuk mengatasi masalah tersebut, penelitian tugas akhir akan membuat suatu sistem yang mampu melakukan klasifikasi sentimen serta melakukan peringkasan terhadap proses yang telah dilakukan sebelumnya.
Dalam suatu kalimat review bisa mengandung lebih dari satu komentar tentang fitur produk tersebut, oleh karena itu pada penentuan sentimen akan menggunakan level aspek sehingga sentimen positif atau negatif diperoleh berdasarkan fiturnya. Fitur produk dalam review didapatkan melalui metode N-gram serta TF-IDF. Penentuan sentimen pada setiap review produk menggunakan pendekatan supervised learning dengan melabelkan pada fitur sebuah fitur produk. Klasifikasi sentimen dilakukan menggunakan metode Support Vector Machine yang dikenal sebagai metode klasifikasi yang mampu memberikan nilai akurasi yang tinggi. Untuk evaluasi terhadap penggunaan metode klasifikasi digunakan perhitungan menggunakan micro average f1-score.
Kata kunci: review, N-Gram, TF-IDF, supervised learning, sentimen, Support Vector Machine.