Ulasan film merupakan sumber informasi berharga yang dapat memberikan wawasan mengenai opini penonton terhadap suatu film. Dalam era digital, analisis sentimen dari ulasan film menjadi semakin penting untuk memahami tanggapan penonton secara lebih mendalam. Penelitian ini bertujuan untuk membandingkan kinerja dua metode deep learning, yaitu Convolutional Neural Network (CNN) dan Bidirectional Long Short Term Memory (Bi-LSTM), dalam melakukan analisis sentimen pada review film. Dataset yang digunakan adalah ulasan film dari IMDb, yang terdiri dari 50,000 ulasan dengan distribusi yang seimbang antara sentimen positif dan negatif. Metode Word2Vec diterapkan untuk mengubah teks menjadi representasi vektor sebelum diolah oleh model CNN dan Bi-LSTM. Proses pengujian melibatkan berbagai kombinasi hyperparameter seperti epoch, batch size, dan learning rate untuk menentukan konfigurasi terbaik. Hasil penelitian menunjukkan bahwa Bi-LSTM memiliki kinerja superior dibandingkan dengan CNN dalam metrik akurasi, presisi, recall, dan F1-score. Model Bi-LSTM dengan kombinasi hyperparameter 15 epoch, batch size 32, dan learning rate 0.001 mencapai nilai akurasi tertinggi sebesar 87.37%, presisi 87.47%, recall 87.45%, dan F1-score 87.46%. Temuan ini mengindikasikan bahwa Bi-LSTM lebih efektif dalam menangkap konteks urutan kata dalam teks, yang sangat penting dalam analisis sentimen. Dengan demikian, penelitian ini memberikan kontribusi signifikan dalam memilih metode yang tepat untuk analisis sentimen, khususnya dalam domain ulasan film.