Peningkatan transaksi online, mendukung masyarakat untuk melakukan pembelian produk secara online. Pada penelitian pengaruh dampak jangka panjang dari layanan pelanggan menyatakan bahwa 88% konsumen terpengaruh online review service dalam mengambil keputusan [1], sehingga dari sentimen konsumen ini dapat diambil kebijakan untuk strategi selanjutya. Namun, banyaknya review dari pelanggan tentang suatu produk jumlahnya sangat banyak, sehingga menyulitkan untuk menarik kesimpulan dari review produk tersebut. Pada Tugas Akhir ini telah dibangun sebuah sistem yang dapat memberikan klasifikasi dan ringkasan atas review produk. Sistem yang dibangun menggunakan metode ekstraksi fitur dan sentimen Term Frequency-Invers Document Frequency (TF-IDF) dan menggunakan metode klasifikasi K-Nearest Neighbor (K-NN). Kemudian karena K-NN memiliki waktu komputasi yang cukup lama maka akan digunakan Principal Component Analysis (PCA) untuk mereduksi dimensi.
Hasil pengujian menunjukkan dengan menggunakan pembobotan nilai TF-IDF, metode klasifikasi K-NN, dan reduksi dimensi dengan PCA menunjukkan nilai rata-rata akurasi tertinggi sebesar 79.58% dengan parameter uji jumlah principal components sebanyak 90 dan nilai k sebesar 31. Sedangkan tanpa menggunakan PCA didapatkan nilai akurasi rata-rata tertinggi sebesar 79.86% dengan k=1.
Kata kunci : Analisis Sentimen, K-Nearest Neighbor, Term Frequency-Inverse Document Frequency, Principal Component Analysis.