Opinion mining adalah analisis yang dilakukan terhadap opini dengan melihat sentimen, perilaku, ataupun emosi yang terkandung dalam suatu produk. Beberapa metode Opinion mining yaitu dengan menggunakan metode lexicon-based dan supervised learning. Metode lexicon-based memiliki recall yang rendah, sedangkan supervised learning memiliki akurasi yang baik namun membutuhkan waktu training yang lama.
Maka dari itu tugas akhir ini akan membahas bagaimana mengkombinasikan metode lexicon-based dengan salah satu metode supervised learning, yaitu Multinomial Naïve Bayes untuk pengelompokkan opini berbahasa inggris berdasarkan kelas sentimennya, yaitu positif dan negatif. Ekstraksi fitur ciri yang digunakan adalah n-gram, POS-Tagging, dan fitur score-based pada lexicon. Keluaran dari sistem adalah polaritas dari tiap dokumen yang performansinya akan dihitung menggunakan akurasi, Precision, Recall, dan F-measure. Dengan diimplementasikannya opinion mining dengan menggunakan kombinasi metode Lexicon-Based dan Multinomial Naive Bayes pada penelitian ini didapatkan nilai akurasi sebesar 0,637.
Kata kunci : Opinion mining, multinomial naïve bayes, metode lexicon-based