Dalam ulasan film terdapat informasi yang menentukan apakah film itu termasuk baik atau buruk. Analisis sentiment digunakan untuk mengolah informasi untuk menenentukan polaritas kalimatnya. Dengan adanya ulasan yang tidak terstuktur dan atribut data yang sangat banyak sehingga memperlukan waktu serta kemampuan komputasi yang banyak menjadi masalah dalam proses klasifikasi. Untuk memproses data yang sangat banyak fitur seleksi menjadi suatu solusi untuk mereduksi dimensi agar mempercepat proses klasifikasi dan mengurangi terjadinya kesalahan klasifikasi. Pada penelitian ini penulis menggunakan metode Multinomial Naïve Bayes yang akan dikombinasikan dengan Seleksi fitur Gini Index Text untuk mengklasifikasikan dokumen menjadi kelas positif dan negatif. Data yang digunakan adalah data IMDB yang berisi ulasan-ulasan dalam kalimat Bahasa Inggris, data akan dibagi menjadi dua bagian yaitu data training sebesar 90% dan data testing 10%. Hasil pengujian membuktikan Gini Index Text sebagai fitur seleksi dapat meningkatkan akurasi dan presisi dimana akurasi tanpa seleksi fitur sebesar 56% dan dengan seleksi fitur sebesar 59.54% dengan peningkatan sebesar 3.54%.