Dewasa ini situs online review produk menyediakan fasilitas agar pengunjung situs dapat memberikan review pada produk yang ada pada situs. Masing-masing dari review tersebut mempunyai sentimen yang sangat bermanfaat dan berpengaruh bagi pengunjung dalam pengambilan keputusan baik itu perorangan ataupun organisasi. Adapun sentimen yang ada pada masing-masing review bisa positif ataupun negatif. Bisa juga keduanya sekaligus dalam satu review. Hal ini disebabkan target opini dari reviewer tidak hanya pada produk secara keseluruhan melainkan pada bagian-bagian tertentu dari produk yang disebut fitur.Pada tugas akhir ini, dilakukan penelitian sentimen dari review produk berdasarkan pada fitur produknya. Data review yang digunakan pada tugas akhir ini berbahasa Indonesia yang diambil dari situs www.bhinneka.com. Pada tugas akhir ini dilakukan identifikasi sentimen pada review untuk menentukan ekspresi sentimen dari review. Data review produk yang sudah dikumpulkan akan diolah dan dijadikan inputan pada classifier Naive Bayes. Kemudian output dari Naive Bayes akan dimaksimalisasi menggunakan Algoritma Expectation Maximization dengan pemanfaatan unlabeled data. Dari penelitian ini diperoleh hasil akurasi 99,063% untuk validasi Naive Bayes Classifier dan 97,813% setelah dtambahkan algoritma Expectation Maximization menggunakan 104 unlabeled data. review produk, klasifikasi, Naive Bayes, Expectation Maximization