Ulasan restoran di media sosial adalah salah satu sumber informasi utama bagi pelanggan sebelum mengambil keputusan. Karena opini pengguna bervariasi, maka diperlukan analisis sentimen untuk memproses ulasan. Penelitian ini bertujuan untuk mengevaluasi kinerja analisis sentimen pada ulasan restoran dalam Bahasa Indonesia. Penelitian ini menjelaskan bagaimana analisis sentimen dapat membantu dalam memproses ulasan restoran, dan memberikan ringkasan ulasan dalam bentuk hasil sentimen bagi pelanggan yang akan mengambil keputusan. Menggunakan analisis sentimen berbasis aspek berupa lima aspek, yaitu FOOD, AMBIENCE, MISCELLANEOUS, PRICE, dan SERVICE. Word2Vec adalah sebuah word embedding yang mempelajari representasi vektor kata melalui jaringan syaraf tiruan. Penelitian ini menggunakan metode Skip-Gram, salah satu dari dua jenis metode Word2Vec yang tersedia: Continuous Bag of Words (CBOW) dan Skip-Gram. Word2Vec dipilih karena kemampuannya untuk menghasilkan representasi vektor dari kata-kata yang secara tepat menggambarkan makna dan konteksnya, yang sangat penting dalam analisis sentimen ulasan restoran. Kemudian, SVM digunakan sebagai teknik klasifikasi untuk prediksi sentimen dengan mengoptimalkan dataset. SVM digunakan dalam penelitian ini karena dapat secara akurat menyelesaikan berbagai masalah yang kompleks. Hasilnya, SVM dengan Word2Vec memiliki rata-rata f1-score makro yang paling optimal yaitu 86.33%.