Pada saat ini, teknologi berkembang secara pesat sehingga membuat informasi tentang jual
beli menjadi lebih mudah didapatkan dengan adanya e-commerce. E-commerce memiliki
fitur untuk komentar tentang produk yang sudah dibeli dari suatu toko daring. Fitur
bintang juga ada untuk menilai kualitas toko, tetapi tidak semua komentar mempunyai
maksud yang sama dengan bintang yang diberikan. Dengan menggunakan analisis sentimen,
komentar terhadap suatu produk pada toko tertentu dapat dijadikan data untuk
diklasifikasi sentimennya aslinya. Shopee adalah salah satu contoh e-commerce. Komentar
pada ulasan Shopee menjadi bahan untuk penelitian ini. Komentar ini dilakukan proses
analisis sentimen dengan menggunakan gabungan pendekatan lexicon dengan kamus
Sentiwordnet 3.0 dan pendekatan learning. Model untuk pendekatan learning yang dipakai
adalah Support Vector Machine. Sebelum proses analisis sentimen dimulai, data akan
dibersihkan menggunakan teknik pre-processing seperti case folding, tokenization, POS tag
dan stop word removal. Setelah dilakukan pengujian, pendekatan kombinasi menghasilkan
akurasi yang lebih baik (81.06%) daripada pendekatan lexicon (79.47%) ataupun
pendekatan learning (80.84%). Pendekatan lexicon tidak mampu mengklasifikasi beberapa
data karena pada data tersebut ada kata yang tidak terdapat dalam kamus Sentiwordnet
3.0.