Internet Movie Database atau IMDb adalah situs yang berkaitan dengan film dan produksinya yang berisikan informasi suatu film. Preferensi film dapat mengalami profit yang tinggi bisa dilihat pada genre film, pemasaran, karya adaptasi, sutradara, pemain, latar, dan rumah produksi. Preferensi masyarakat ini harus menjadi perhatian sebelum dilakukannya produksi film, agar dapat meminimalisir adanya ketidakseimbangan pada profit suatu film khususnya pada film yang memiliki profit terendah. Data tidak seimbang terjadi ketika suatu kelas mengalami perbedaan yang jauh dibandingkan kelas lainnya. Pada kasus ini, data diperoleh dari website Kaggle berdasarkan 100 film teratas yang populer setiap tahunnya dari tahun 2003 sampai 2022 pada IMDb. Hal ini menyebabkan terjadinya ketidakseimbangan data dikarenakan perolehan data yang didasari oleh 100 film teratas. Penanganan data tidak seimbang harus dilakukan agar meningkatkan keseimbangan pada data. Hal ini dibantu dengan hasil pengukuran sensitivitas, spesifisitas, dan G-Mean. Proses klasifikasi dilakukan menggunakan metode Decision Tree dengan bantuan penanganan data yang tidak seimbang menggunakan Cost Sensitive Learning. Penerapan ini dapat disebut sebagai Cost Sensitive Decision Tree. Mengacu pada rasio pembagian 85% data training dan 15% data testing, menghasilkan bahwa metode Cost Sensitive Decision Tree dinilai baik dalam penanganan ketidakseimbangan data. Adapun berdasarkan perolehan dari nilai G-Mean, untuk Cost Sensitive Decision Tree memperoleh sebesar 66.36% yang menunjukkan hasil empat kali lebih banyak daripada Decision Tree dengan total sebesar 16.75%.