Vis aktyviau pasaulyje yra domimasi sentimentų analize. Verslininkai, garsių pasaulyje įmonių atstovai naudojasi sentimentų analizės įrankiais, kurie leidžia analizuoti tūkstančius vartotojų komentarų (Twitter, Facebook socialiniuose tinkluose, kituose tinklalapiuose). Išanalizavus internetinius komentarus suinteresuotos šalys mato kaip vertinami jų produktai ar paslaugos, prekės ženklai, darbuotojai. Tai naudinga informacija, kuri padeda valdyti savo verslą. Deja, tokių įrankių skirtų lietuvių kalbai nėra. Šio darbo tikslas išanalizavus nuomonių gavybos metodus parengti sprendimą tinkamą lietuviškų internetinių tekstų sentimentų analizei ir jį įgyvendinti. Šiame darbe yra analizuojami sentimentų analizės metodai, egzistuojantys sentimentų analizės įrankiai. Taip pat pateikiamas metodikos lietuviškų tekstų nuomonių analizei formulavimas, pagrindžiant bandymais. Darbo eigoje sukurtas įrankių rinkinys Python kalba, leidžiantis išbandyti siūlomą metodiką. Darbas užbaigiamas rekomendacijomis, kurios leistų patobulinti sukurtą įrankių rinkinį. / Interest in the analysis of sentiment in the world is rising. Entrepreneurs, representatives from world famous companies are using analysis tools ofsentiments that allow to analyze thousands of users comments (Twitter, Facebook,in social networks, or other sites). After analysis of online comments interested parties can see how is valued their products or services, brands, and employees. This is a useful information, that helps you to manage your business. Unfortunately, there is no such tools for the Lithuanian language. The aim of this analysis is to develop and implement methods for extracting the proper sentiments of decision in Lithuanian texts online. In this paper is an overview of analytical methods, existing sentiment analysis tools. It is also provided formulation of a methodology of Lithuanian texts opinion for its analysis, based on justification tests. During a work process was created a set of tools developed in Python that allows to test the proposed methodology. Work is completed with recomendations, which allows to improve the developed Toolkit.