Hotel Keprabon sebagai salah satu hotel non-bintang di Surakarta menghadapi tantangan dalam memahami persepsi pelanggan terhadap kualitas layanan mereka. Banyaknya ulasan pelanggan yang tersebar di platform digital menyebabkan kesulitan dalam melakukan analisis secara manual. Sistem ini dirancang untuk menerima masukan berupa data ulasan pelanggan dan menghasilkan keluaran berupa klasifikasi sentimen positif atau negatif. Topik ini penting karena ulasan pelanggan di platform seperti Traveloka dan Tiket.com sangat memengaruhi citra dan keputusan calon pelanggan. Saat ini, Hotel Keprabon belum memiliki sistem terstruktur untuk mengolah opini pelanggan secara otomatis, sehingga diperlukan pendekatan yang efisien untuk menggali insight dari data yang tidak terstruktur. Solusi yang dikembangkan berupa sistem analisis sentimen berbasis klasifikasi. Data ulasan dikumpulkan dari platform digital, lalu diproses melalui tahap pembersihan, normalisasi, dan konversi menjadi format terstruktur. Sentimen ditentukan menggunakan pendekatan klasifikasi berbasis model statistik, dilatih pada data yang telah diseimbangkan dan diberi bobot kata. Sistem ini dibangun menggunakan pendekatan pembelajaran mesin yang sederhana namun efektif untuk teks Bahasa Indonesia. Sistem ini berhasil mengklasifikasikan ulasan dengan tingkat akurasi mencapai 87%. Kontribusi utama dari penelitian ini adalah sistem otomatis yang mampu membantu pengelola hotel dalam mengevaluasi layanan berdasarkan opini pelanggan secara efisien dan objektif.