Buku novel merupakan suatu karya sastra berbentuk prosa naratif yang panjang, yang memiliki rangkaian cerita tentang kehidupan seorang tokoh dan orang-orang di sekitarnya dengan menonjolkan sifat dan watak dari setiap tokoh pada novel tersebut. Dengan banyaknya review yang muncul dari pendapat pembaca, maka semakin sulit untuk menemukan review yang sesuai dengan pilihan konsumen. Ini yang menjadi suatu permasalahan yang dimana, konsumen tidak selalu menerima review dari pembaca. Untuk memecahkan permasalahan tersebut, diperlukan sebuah metode yang dapat memudahkan untuk menganalisis terkait dengan review tersebut. Maka dari itu, solusi yang akan dilakukan yaitu dengan menerapkan klasifikasi sentiment analysis. Sentiment analysis merupakan penambangan kontekstual data berupa teks, yang bertujuan untuk menganalisa berbagai pendapat atau opini berupa isu, komentar, dan lain-lain terhadap suatu objek atau permasalahan oleh seseorang yang dimana nilai tersebut akan memiliki nilai positif atau negatif. Penelitian ini, memiliki beberapa tujuan yaitu, untuk mengetahui performansi pada sistem klasifikasi Support Vector Machine (SVM) yang dibangun. Kedua, untuk mengetahui performansi pada pembobotan fitur Term Frequency-Inverse Document Frequency (TF-IDF) dan seleksi fitur Chi Square. Ketiga, Untuk mengetahui performansi pada pembobotan fitur Term Frequency (TF) dan seleksi fitur Chi Square. Dari hasil eksperimen, diperoleh bahwa hasil perfomansi terbaik untuk klasifikasi sentiment analysis pada review buku novel berbahasa Inggris, yaitu pada penggunaan kernel Gaussian RBF untuk setiap kedua pembobotan fitur dengan seleksi fitur yang digunakan dengan nilai performansi sebesar 74.2%.