Teknologi internet mempunyak efek yang sangat besar pada perdagangan atau bisnis yang sekarang ini dikenal dengan E-Commerce. Banyak pelanggan di E-Commerce belum melihat secara langsung produk yang diminatinya sehingga mereka sedikit ragu apakah produk itu memiliki kualitas yang bagus atau tidak. Ada juga pelanggan yang sudah tahu akan kualitas produk yang diminatinya tersebut tetapi produk yang diminatinya tersebut dalam keadaan stok yang kosong atau habis. Maka dengan masalah tersebut, penulis mengusulkan untuk membuat Aplikasi Prediksi Pelanggan. Aplikasi prediksi pelanggan ini digunakan untuk menganalisa sejumlah besar data dan memprediksi minat pelanggan terhadap suatu produk. Sehingga membantu pelanggan untuk mengetahui kualitas produk tersebut beserta perbandingan produk yang memiliki spesifikasi sejenis melalui analisis sentimen review produk-produk tersebut dari beberapa pengguna produk tersebut. Ulasan yang ada diambil dari dua sumber yaitu twitter dan gsmarena. Kemudian untuk menemukan similiarity terhadap prediksi smartphone masih menggunakan 6 acuan spesifikasi, yaitu ukuran layar, RAM, baterai, jumlah sensor, memory internal dan kamera. Dan dengan dua metode dan dua sumber yang ada dilakukan uji coba dengan berbagai macam skenario testing. Dan hasil dari uji coba memberikan kesimpulan bahwa metode nai’ve bayes jauh lebih baik dari metode sentiwordnet dalam ulasan sumber twitter sedangkan pada ulasan sumber gsmarena, sentiwordnet sedikit lebih unggul dari metode nai’ve bayes.