Penilaian mengenai isi dari review film dapat disebut dengan sentiment analysis. Sentiment analysis pada review film terbagi menjadi 2 yaitu berupa review positif dan review negatif. Salah satu algoritma data mining yang paling sering digunakan dalam penelitian adalah Naïve Bayes karena bekerja dengan cepat dan efisien sebagai metode pengklasifikasian teks tetapi memiliki kekurangan yang sangat sensitif dalam pemilihan fitur. Pada umumnya, data review film memuat isi yang sangat panjang sehingga diperlukan feature selection atau pemangkasan fitur yang berguna untuk mengurangi dimensi pada saat proses klasifikasi. Pada penelitian ini menggunakan fitur Tf-Idf sebagai salah satu solusi untuk mempermudah dan mempercepat pencarian informasi yang sesuai adalah dengan meringkas konten tersebut. Tf-Idf (Term Frequency Inverse Document Frequency) merupakan metode pembobotan dalam bentuk integrasi antar term frequency dengan inverse document frequency. Metode Tf-Idf digunakan pada penelitian ini untuk memilih fitur sebagai hasil ringkasan, dengan penerapannya pada seleksi fitur bobot kata. Sebelum proses klasifikasi, dilakukan tahapan preprocessing yang meliputi data cleaning dan case folding, stop words removal, stemming, dan tokenization. Pada penelitian ini menghasilkan nilai akurasi mencapai 86.48%. Sehingga Naïve Bayes dengan fitur Tf-Idf pada masalah analisis klasifikasi sentimen review film terbukti memberikan akurasi yang akurat.