Kemajuan dari teknologi Web 2.0 mendorong penciptaan konten website pribadi yang melibatkan sentimen seperti blog, tweets, web forum dan berbagai jenis media sosial. Internet Movie Database (IMDb) adalah situs web yang menyediakan informasi mengenai film dari seluruh dunia, termasuk orang-orang yang terlibat di dalamnya , nominasi yang pernah didapat, dan review dari para pengunjung. Banyaknya film maupun review pada IMDb menyebabkan user atau visitor harus memeriksa review satu per satu untuk mengetahui film rating tersebut. User atau visitor harus bisa menyimpulkan review film yang akandipilih apakah mempunyai arah sentimen yang positif atau negatif dari user sebelumnya. Hal ini tentunya membutuhkan membutuhkan waktu bagi user yang belum berpengalaman menggunakan IMDb. Analisis sentimen dapat dijadikan sebuah solusi untuk dapat melabelkan review positif dan negatif. Salah satu algoritma yang dapat digunakan dalam analisis sentimen adalah algoritma Support Vector Machine (SVM). Tujuan dari penelitian ini dilakukan untuk menguji tingkat akurasi algoritma SVM dalam klasifikasi sentiment review film pada IMDb. Hasil pengujian yang dilakukan menggunakan algoritma Support Vector Machine menghasilkan nilai akurasi sebesar 86.5%. Algoritma SVM juga mampu menghasilkan nilai presisi sebesar 90.67% dan nilai recall sebesar 91.62%.