Penelitian ini bertujuan untuk merancang dan membangun aplikasi visualisasi data analisis sentimen berbasis web menggunakan Flask framework. Dalam era digital saat ini, dengan meningkatnya volume data teks yang dihasilkan dari berbagai sumber seperti media sosial, ulasan produk, dan forum diskusi, terdapat kebutuhan mendesak untuk memahami opini publik dan sentimen konsumen. Terbatasnya kemampuan manusia dalam menganalisis dan mengolah data dalam jumlah besar menuntut pengembangan alat yang efisien untuk melakukan analisis sentimen secara otomatis. Aplikasi ini dikembangkan untuk mengolah dan menganalisis data teks dari berbagai sumber dengan menggunakan metode Natural Language Processing (NLP). Proses analisis sentimen dimulai dari preprocessing teks, yang meliputi tahap cleaning, case folding, normalisasi spasi, tokenization, stopword removal, dan stemming. Analisis sentimen dilakukan dengan beberapa algoritma machine learning seperti Naïve Bayes, Support Vector Machine (SVM), K-Nearest Neighbors (KNN), dan Random Forest, serta teknik ekstraksi fitur TF-IDF. Aplikasi ini menyediakan visualisasi data berupa pie chart, bar chart, confusion matrix, dan wordcloud untuk mempermudah pengguna dalam memahami hasil analisis sentimen. Metode waterfall digunakan sebagai alur pengembangan aplikasi, dengan tahapan mulai dari analisis kebutuhan, perancangan sistem, implementasi, pengujian, hingga pemeliharaan aplikasi. Pengujian dilakukan dengan metode Black Box Testing untuk memverifikasi fungsionalitas aplikasi tanpa melibatkan pengguna atau responden. Hasil dari penelitian ini adalah sebuah aplikasi web yang mampu melakukan analisis dan visualisasi data sentimen secara efisien dan memberikan informasi yang lebih mudah dipahami.