Film merupakan suatu media komunikasi massa yang digunakan sebagai sarana hiburan bagi masyarakat. Film cukup efektif dalam menyampaikan suatu infor- masi. Dewasa ini, banyak sekali website yang menyediakan informasi film-film terbaru. Informasi yang bisa didapatkan salah satunya adalah genre film. Satu film bisa memiliki satu atau lebih genre. Namun untuk menentukan genre sebuah film, orang harus membaca sinopsisnya terlebih dahulu atau menonton film terse- but sehingga membutuhkan waktu yang cukup lama. Tugas akhir ini memberikan solusi pada permasalahan tersebut dengan melakukan klasifikasi multi-genre film dari sinopsis film menggunakan naive bayesian multi-label classifier. Tahapan yang dilakukan pada penelitian ini yaitu pengambilan data menggunakan teknik undersampling, pre-processing, feature selection, classifier building, dan classifier evaluation. Pada tahap pre-processing yang dilakukan adalah proses stop words removal, word segmentation dan stemming terhadap data yang telah didapatkan di imdb.com/interfaces. Pada tahap feature selection dan classifier building yang dilakukan masing-masing adalah chi square test dan penerapan algoritma naive bayesian multi-label. Algoritma naive bayesian multi-label merupakan pengem- bangan multinomial naive bayes yang setiap kelasnya merupakan kombinasi dari kelas yang terbentuk dari data. Hasil pengujian menunjukkan bahwa untuk klasi- fikasi genre film berdasarkan synopsis yang paling efektif menggunakan Naive Bayesian Muti-Label (NBML) classifier dengan micro average f1-measure sebesar 87%, dibandingkan dengan beberapa classifier yang populer lainnya (SVM classi- fier sebesar 65,15%, Decision Tree sebesar 50,53%, dan K-NN sebesar 59,52%).