Ulasan film merupakan salah cara untuk menentukan sebuah film layak ditonton atau tidak. Ulasan dapat
dikategorikan sebagai positif atau negatif. untuk menangani ulasan film ini, salah satu metode machine learning yang dapat digunakan adalah analisis sentimen. Pada penelitian ini akan diterapkan metode analisis sentimen pada ulasan film dengan menerapkan kombinasi Information Gain (IG) dan Document Frequency (DF) serta Negation Handling yang akan diterapkan pada classifier Multinomial Naïve Bayes untuk mengetahui apakah metode tersebut dapat mempengaruhi performa dari classifier atau tidak. Penelitian ini dibagi menjadi empat skenario untuk medapatkan model terbaik, pertama adalah skenario dengan nilai minimal IG threshold 0,5, kedua adalah penurunan nilai minimal IG threshold hingga 0,1, ketiga adalah mengambil jumlah fitur dengan jumlah yang ditentukan dan keempat perbandingan performa dari model terhadap penerapan Negation Handling dengan tanpa penerapan Negation Handling. Skenario yang mendapatkan performa paling optimal adalah skenario pengambilan jumlah fitur dengan penerapan Negation Handling yang mampu meningkatkan performa hingga nilai maksimal yang didapatkan adalah 73,05% dan baris data yang tidak memiliki fitur hingga rata-rata 0,3 baris data saja.