Di era web seperti sekarang, sejumlah informasi kini mengalir melalui jaringan. Karena berbagai konten web meliputi opini subjektif serta informasi yang objektif, saat ini umum bagi orang-orang untuk mengumpulkan informasi tentang produk dan jasa yang mereka ingin beli. Namun karena cukup banyak informasi yang ada dalam bentuk teks tanpa ada skala numerik, sulit untuk mengklasifikasikan evaluasi informasi secara efisien tanpa membaca teks secara lengkap. Analisa sentimen bertujuan untuk mengatasi masalah ini dengan secara otomatis mengelompokkan review pengguna menjadi opini positif atau negatif. Pengklasifikasi naive bayes adalah teknik machine learning yang populer untuk klasifikasi teks, karena sangat sederhana, efisien dan memiliki performa yang baik pada banyak domain. Namun, naive bayes memiliki kekurangan yaitu sangat sensitif pada fitur yang terlalu banyak, yang mengakibatkan akurasi klasifikasi menjadi rendah. Oleh karena itu, dalam penelitian ini digunakan metode pemilihan fitur, yaitu genetic algorithm agar bisa meningkatkan akurasi pengklasifikasi naive bayes. Penelitian ini menghasilkan klasifikasi teks dalam bentuk positif atau negatif dari review hotel. Pengukuran berdasarkan akurasi naive bayes sebelum dan sesudah penambahan metode pemilihan fitur. Hasil penelitian menunjukkan peningkatan akurasi naïve bayes dari 93.43% menjadi 97.47%.