Informasi mengenai pendapat, penilaian, pandangan dapat banyak kita temukan di Internet. Salah satunya adalah ulasan film yang berisi pendapat seorang penonton terhadap suatu film. Semua tanggapan dari penonton yang mengulas suatu film, tidak bisa dianggap menjadi suatu sentimen, sehingga diperlukan teknik untuk menganilisis review tersebut sehingga memberikan informasi yang bernilai. Analisis sentimen merupakan suatu subjek pada machine learning yang memiliki tujuan untuk mengekstrak subjektif informasi dari ulasan tekstual. Metode machine learning Support Vector Machine (SVM) seringkali digunakan untuk melakukan analisis sentiment. Namun, banyaknya kata yang tidak diperlukan, kata yang berulang, dan banyaknya atribut menyebabkan kinerja pengklasifikasian memberikan tingkat akurasi yang rendah. Untuk mengurangi fitur yang tidak dibutuhkan, perlu menerapkan penyeleksian fitur salah satunya dengan menggunakan Chi Square. Dengan menerapkan tingkat signifikansi sebesar 0.05, 0.1, dan
0.15 yang mereduksi kurang lebih sebanyak 91% fitur yang ada, mampu memberikan hasil performansi yang tidak terlalu jauh perbedaannya, yakni 1% lebih rendah pada akurasi dibandingkan dengan model yang tanpa penyeleksian fitur, namun waktu yang dibutuhkan untuk pengujian lebih sedikit. Pengujian pada model dengan menggunakan kernel RBF memberikan hasil performansi yang lebih baik dengan nilai accuracy 85.6% dibandingkan dengan kernel linear, dan polynomial yang memiliki nilai sebesar 84.6% dan 83.8%.