Ulasan mengenai suatu layanan terutama layanan hotel memiliki peran penting terhadap keputusan konsumen. Tripadvisor yang merupakan sebuah platform mengenai panduan dan referensi bagi wisatawan dalam mencari informasi mengenai layanan hotel yang ada diberbagai negara. Terdapat banyak ulasan mengenai hotel pada platform tersebut sehingga pembaca sulit dalam menentukan keputusan maka perlu dilakukan analisis sentimen yang bertujuan untuk menggali informasi dari ulasan yang ada. Tahapan awal yang dilakukan yaitu dengan pelabelan (positif, netral, negatif) terhadap ulasan. Kemudian tahap preprocessing agar ulasan dapat mudah diolah, lalu dari tahap tersebut dilanjutkan pembobotan menggunakan Term Frequency - Inverse Document Frequency (TF-IDF) dengan menggunakan parameter terbaik, setelah pembobotan data maka selanjutnya yaitu pembagian data menjadi data latih, validasi dan uji. Data tersebut dimasukan kedalam proses pembelajaran mesin menggunakan Support Vector Machine (SVM) dan diperoleh hasil akurasi dari model tersebut sebesar 85%. Untuk skenario pengujian apabila tidak menggunakan slang handling memperoleh F1-Score sebesar 80% dan apabila tidak menggunakan stopword memperoleh F1-Score sebesar 82%. Pada evaluasi kinerja model menggunakan K-Fold diperoleh hasil terbaik pada Fold-7 dengan nilai precision 87%, recall 86%, F1-score 86%, dan akurasi sebesar 87%.