Di era globalisasi ini, jumlah restoran semakin bertambah. Melalui beberapa situs di internet, masyarakat dapat melihat ulasan restoran yang diberikan oleh para pengunjung. Ulasan tersebut dapat berupa opini dan pengalaman selama mengunjungi restoran tersebut. Bagi pihak restoran, ulasan-ulasan tersebut dapat menjadi media analisis terkait kualitas restoran yang mereka tawarkan. Sementara itu, bagi masyarakat umum ulasan-ulasan tersebut dapat membantu mengetahui kualitas restoran dan membantu pengambilan keputusan untuk memilih restoran yang akan dikunjungi. Namun, ulasan-ulasan tersebut jumlahnya sangat banyak dan beragam sehingga timbul kesulitan untuk mengklasifikasikan ulasan-ulasan tersebut ke dalam sentimen positif atau negatif dan untuk mengklasifikasikannya memerlukan waktu. Pada penelitian ini, permasalahan tersebut diatasi dengan analisis sentimen menggunakan metode Naïve Bayes berbasis Adaboost. Dataset yang digunakan berasal dari situs kaggle.com yang bersi data ulasan restoran dari situs tripadvisor.co.uk dan berbahasa Inggris. Sistem yang dibangun akan divalidasi dengan 10-fold cross validation dan dihitung akurasinya. Didapatkan hasil bahwa akurasi terbaik Naïve Bayes menggunakan feature selection TF-IDF, yaitu 99,5% dan Adaboost tidak memberikan dampak yang signifikan untuk peningkatan akurasi Naïve Bayes.