Dalam melakukan pembelian produk online, masyarakat akan selalu memperhatikan ulasan sebagai media untuk mengetahui penilaian terhadap suatu produk. Ulasan ini jumlahnya sangat banyak, sehingga tidak memungkinkan untuk dilakukan analisa secara manual. Selain itu, kecenderungan masyarakat yang hanya membaca hasil review terbaru saja dengan jumlah sedikit, akan menghasilkan kesimpulan penilaian yang kurang tepat. Oleh karena itu, melalui tesis ini diajukan pendekatan untuk sentiment analisis terhadap suatu produk smartphone menggunakan metode naïve bayes classifier dan kamus data sentiwordnet, untuk dapat melakukan analisis terhadap ulasan yang tersedia, dalam jumlah besar secara otomatis. Ulasan yang ada diambil dari dua sumber, yaitu twitter dan GSMArena. Hasil uji coba memberikan kesimpulan bahwa metode naïve bayes jauh lebih baik daripada metode sentiword dalam ulasan sumber twitter. Sedangkan pada ulasan sumber GSMArena, sentiword sedikit lebih unggul daripada metode naïve bayes. Hal ini terjadi dikarenakan data twitter berisi lebih banyak iklan dibandingkan dengan sentimennya, sebaliknya GSMArena berisi lebih banyak sentiment, sehingga untuk pengenalannya jelas lebih unggul, karena berdasarkan pada kamus data sentiwordnet yang selalu diupdate, sedangkan pada naïve bayes lebih independen terhadap data ujinya dan sangat bergantung pada data trainingnya. Untuk tingkat akurasi metode sentiword berkisar antara 52%-67%, sedangkan dengan metode naïve bayes tingkat akurasinya berkisar antara 64%-74%. Hal ini terjadi dikarenakan terdapat sumber data dan jumlah data yang berbeda-beda untuk setiap percobaan yang dilakukan, yaitu tergantung pada hasil preprocessing untuk pembersihan datanya, jumlah data yang digunakan, sumber datanya (twitter atau GSMArena), serta penggunaan rule-nya.