Dengan pertumbuhan pesat dari jaringan sosial, opini orang lain menjadi suatu hal yang sangat penting dalam membuat keputusan, salah satu contoh yaitu ulasan film. Untuk mengolah informasi tersebut dapat dilakukan dengan melakukan analisis sentimen. Analisis sentimen dilakukan untuk mengetahui kecenderungan polaritas dari opini terhadap suatu film apakah termasuk dalam kelas opini positif atau negatif. Kata negasi pada dokumen ulasan film teks Bahasa Indonesia ini menjadi fokus tantangan penelitian. Kata-kata negatif pada dokumen menjadi salah satu faktor yang mempengaruhi hasil klasifikasi, yang dapat mengubah nilai suatu sentimen yang positif menjadi negatif. Tahap pertama dilakukan beberapa skenario pengujian dari metode preprocessing termasuk penanganan kata negasi terhadap metode klasifikasi yang digunakan. Tujuan dilakukan skenario ini untuk melihat pengaruh yang kuat tiap metode preprocessing terhadap hasil akhir. Tahap kedua dilakukan pembobotan kata menggunakan TF-IDF. Untuk tahap klasifikasi akan dilakukan dengan algoritma Support Vector Machine (SVM). SVM dipilih karena memiliki hasil keakuratan klasifikasi yang cukup tinggi dibandingkan algoritma bandingannya. Setelah tahapan klasifikasi dilakukan, pada tahap evaluasi menggunakan confusion matrix untuk mendapatkan nilai precision, recall, dan f-measure. Berdasarkan hasil pengujian yang telah dilakukan diperoleh nilai nilai terbesar sebesar 88,97%.