Pada era ini, jumlah produk-produk kecantikan wanita semakin meningkat. Salah satu situs internet yang menyediakan tempat untuk memberikan review produk yaitu Female Daily. Kalimat review dapat berupa kalimat positif ataupun negatif. Sebagian besar masyarakat Ketika ingin membeli suatu produk akan melihat review produknya terlebih dahulu. Permasalahan yang penulis angkat merupakan mencari sentimen dari review produk pada dataset yang sudah diberi label positif dan negatif. Oleh karena itu dengan adanya sistem ini akan memudahkan pengkategorian review kedalam label positif atau negatif. Dalam tugas akhir ini, dibangun sistem klasifikasi teks menggunakan Support Vector Machine dengan ektraksi fitur TF-IDF. Jumlah data review yang digunakan sebanyak 1000. Pemilihan SVM dan TF-IDF karena SVM sangat bagus untuk jumlah fitur yang banyak lalu SVM juga relatif hemat memori dan SVM lebih baik untuk masalah klasifikasi dua kelas, yaitu pada objektif penelitian ini adalah review positif dan review negatif. TF-IDF digunakan karena TF-IDF dapat memberi cara untuk mengasosiasikan kata-kata pada data dengan angka dan menunjukan seberapa relevan setiap kata pada data yang dimiliki. Tugas akhir ini dibangun dengan menggunakan Bahasa pemrograman Python. Hasil yang diperoleh dari penelitian ini adalah 84.66% untuk Support Vector Machine dan 79.33% untuk Multinomial Naïve Bayes.