Perubahan perilaku konsumen dalam melakukan pembelian di e-commerce, telah mengubah cara konsumen dalam memutuskan membeli barang. Konsumen akan menilai berdasarkan gambar, rating dan opini dari pembeli sebelumnya. Namun konsumen harus membaca semua opini untuk mendapatkan hasil yang akurat. Solusi yang ditawarkan adalah dengan menyediakan fitur pengolahan opini. Namun opini yang ditulis tidak terstruktur, terdapat kata yang tidak lengkap, emoticon, gambar, serta menggunakan kata tidak baku menjadi tantangan dalam mengolah opini. Corpus yang digunakan dalam penelitian ini diperoleh dari penelitian sebelumnya yang berjumlah 124.606 dengan atribut yang tersedia yaitu itemname, date, starrate dan opini. Penambahan corpus dilakukan dengan membangun program untuk menarik data opini sebanyak 95.731 sehingga total opini yang diproses sebanyak 220.337. Proses ekstraksi opini menggunakan pendekatan lexicon dengan peningkatan penambahan proses opinion representation dan n-gram lexicon untuk menentukan arah sentimen. Peningkatan proses pre-processing dengan penerapan opinion representation berbasis Bahasa Indonesia pada kasus review e-commerce. Peningkatan klasifikasi dengan memperhatikan semantik kata dengan menerapkan n-gram. Opini hasil klasifikasi menghasilkan kelas positif, netral, dan negatif. Klasifikasi opini akan dibandingkan dengan klasifikasi rating untuk mengetahui tingkat keakuratan. Hasil dari evaluasi diperoleh akurasi sebesar 78%. Terjadi peningkatan akurasi sebesar 2% dibanding dengan ekstraksi opini tanpa adanya proses opinion representation dan n-gram.