Terdapat banyak film yang dapat menjadi pilihan untuk ditonton, namun belum tentu film-film tersebut
memiliki kualitas yang bagus. Ulasan film menjadi sangat penting dikarenakan mampu memberikan
informasi mengenai kualitas suatu film sehingga dapat dijadikan referensi untuk menonton suatu film.
Dikarenakan data mengenai ulasan film berjumlah sangat banyak dan membutuhkan waktu lama jika
membacanya secara manual satu per satu, diperlukan sistem yang dapat melakukan analisis sentimen
dalam waktu yang singkat. Metode machine learning seperti K-Nearest Neighbor (KNN) dapat digunakan
untuk melakukan analisis sentimen, namun memiliki performansi yang kurang baik jika fitur yang
digunakan tidak ditentukan dengan baik. Untuk menentukan fitur yang akan digunakan, penggunaan
ekstraksi fitur dan seleksi fitur perlu digunakan. Dalam penelitian ini, ekstraksi fitur yang digunakan
adalah Term Frequency-Inverse Document Frequency (TF-IDF) dan seleksi fitur yang digunakan adalah
chi-square. Dengan kombinasi antara metode machine learning KNN, ekstraksi fitur TF-IDF, dan seleksi
fitur chi-square, dapat memberikan hasil evaluasi performansi terbaik pada K = 37 dengan nilai akurasi
akurasi 80.75%, precision 83.24%, recall 77.00%, dan F1-measure 80.00%.