Sentiment analysis digunakan untuk melihat opini terhadap sebuah masalah menuju ke opini positif atau negatif. Media sosial Twitter merupakan salah satu media yang digunakan untuk memberikan opini melalui tweet. Pengguna Twitter akan memberikan opini tentang suatu hal, salah satunya film yang sedang tayang di bioskop. Opini pengguna bermanfaat bagi pengguna lain dan rumah produksi film berkaitan evaluasi film. Klasifikasi opini diperlukan untuk memudahkan pengguna dalam melihat opini positif, negatif, atau netral. Algoritma yang digunakan dalam klasifikasi adalah Support Vector Machine. Dataset berjumlah 1.027 tweet yang didapatkan dari tweet untuk film populer tahun 2016. Hasil klasifikasi opini terbagi menjadi 3, yaitu opini positif, negatif, dan netral. Evaluasi menentukan tingkat akurasi dari algoritma Support Vector Machine. Hasil akurasi klasifikasi algoritma Support Vector Machine menggunakan 60, 70, 80, dan 90 persen data training rata-ratanya adalah 76, 06 persen, 76, 83 persen, 81, 07 persen, dan 83, 3 persen. Nilai precision positif memiliki rata-rata sebesar 79, 97 persen, 78, 71 persen, 84, 02 persen, dan 85, 54 persen. Nilai precision negatif memiliki rata-rata sebesar 81, 73 persen, 87, 41 persen, 87, 37 persen, dan 93, 61 persen. Nilai precision netral memiliki rata-rata sebesar 67, 13 persen, 69, 47 persen, 74, 08 persen, dan 74, 14 persen.