Kemudahan akses informasi memberikan peluang pertukaran informasi antar individu maupun kelompok. Kemudahan akses tersebut memberikan dampak dengan munculnya banyak opini terhadap suatu produk atau topik terhangat. Data opini ulasan dapat diolah menjadi data informasi baru yang memiliki nilai lebih bagi perusahaan maupun pemanfaat data. Pengolahan data ulasan dapat dilakukan dengan menggunakan machine learning dengan algoritma klasifikasi untuk mendapatkan analisis sentimen terhadap produk tertentu. Dataset yang digunakan pada penelitian ini adalah datasetulasan obat dan ulasan film untuk melakukan analisis sentimen dengan mengulas performansi algoritma Random Forestdengan menggunakan beberapa pohon keputusan yang sama yang disatukandan Naïve Bayes Multinomialmenggunakan perhitungan probabilitas pada tingkat akurasi dan waktu latih data. Dalam preprocessing untuk pengolahan data dan penyesuaian tipe data pada metode yang akan digunakan dengan menggunakan CountVectorizer untuk mengubah token kata menjadi vektor dan mengubah data fitur menjadi tipe array. Pembagian data latih dan uji dengan rasio 75:25. Dengan hasil akurasi data terbaik 0,57% dengan menggunakan algoritma Naïve Bayes Multinomial pada data ulasan film. dan latih waktu terlama pada algoritma Random Forestsehingga disarankan untuk dapat menggunakan Term Frequency-Inverse Document Frequency (TF-IDF)sebagai term pembobotan kata untuk mendapatkan hasil akurasi yang lebih baik pada penelitian selanjutnya.