Semakin berkembangnya teknologi informasi, mengakibatkan pertumbuhan data mengenai ulasan buku semakin besar dan pesat. Dengan membaca review atau ulasan berdasarkan pengalaman pembaca lain, maka kita akan mengetahui kualitas dari buku tersebut. Begitu banyaknya ulasan akan mempersulit pengguna lain untuk menyimpulkan hasil dari ulasan tersebut. Analisis sentimen bertugas untuk melakukan pengklasifikasian sentimen menjadi sentimen positif dan sentimen negatif. Klasifikasi sentimen pada ulasan buku pada penelitian ini, menggunakan Information Gain dan Naïve Bayes. Information Gain digunakan sebagai metode pemilihan fitur. Pemilihan fitur dapat membuat akurasi penelitian menjadi meningkat dengan mengurangi fitur-fitur yang kurang. Naïve Bayes digunakan untuk mengklasifikasikan ulasan tersebut, cenderung beropini positif atau negatif berdasarkan nilai probabilitasnya. Berdasarkan skenario pengujian yang telah dilakukan, performa klasifikasi sentimen pada ulasan buku berbahasa inggris menggunakan Information Gain dan Naive Bayes dari rata-rata F1-score menggunakan 5-fold-cross validation adalah 88,28%