ABSTRAKSI: Dewasa ini semakin canggihnya teknologi dunia maya terutama internet, membuat semua hal menjadi mudah. Termasuk dalam memberikan opini untuk siapa saja dan apa saja. Misalnya saja opini untuk online product dalam suatu online shop. Bagi perusahaan profit yang berpusat pada pelanggan (customer), setiap opini dari mereka sangatlah penting karena dengan mengetahui opini tersebut maka akan dapat membantu perusahaan untuk memberikan pertimbangan dalam mengambil keputusan. Keputusan mengenai apakah suatu produk akan ditambah lagi produksinya atau tidak. Untuk mengetahui produk mana yang memiliki tingkat yang paling tinggi (best seller) maka perlu diketahui apakah opini tersebut merupakan opini positif maupun negatif. Untuk mengatasi hal tersebut maka dalam Tugas Akhir ini membahas mengenai klasifikasi opini positif dan negatif dalam online product. Untuk melakukan klasifikasi tersebut digunakan metode naïve bayes. Dan untuk menanggulangi jumlah dataset yang besar (memiliki jumlah fitur/kata yang banyak) sehingga meningkatkan akurasi naïve bayes maka naïve bayes tersebut dikombinasikan dengan feature selection. Dalam hal ini teknik feature selection yang digunakan yaitu Chi-Square. Dari hasil pengujian tersebut, maka terbukti bahwa feature selection yang dikombinasikan dengan Naïve Bayes menghasilkan performansi system yang lebih baik dibandingkan dengan tidak menggunakan feature selection untuk dataset yang memiliki fitur kata yang banyak.Kata Kunci : opini, online product, naïve bayes, feature selection, chi-SquareABSTRACT: In now days, there are many enterprenership that are take a chalenge to improve their bisnis. In order to have a good salary they are focus in customer reviews. There two kinds of reviews, the positive and negative. To help the bisnisman get the right choice, in this final project i used naive bayes to clasify the oipni and feature selection to improve the naive bayes performance. In for the last, in my assesment there are improve that the performance naive bayes bayes and feature selection is better than did'nt use the feature selection.Keyword: opinion, online product, naïve bayes, feature selection, chi-Square