Perkembangan teknologi informasi memungkinkan masyarakat untuk memberikan review terhadap layanan restoran melalui platform seperti Google Maps. Review tersebut menjadi sumber informasi berharga bagi pemilik restoran untuk meningkatkan kualitas layanan. Namun, volume review yang besar dan tidak terstruktur menyulitkan analisis manual. Penelitian ini bertujuan mengembangkan sistem klasifikasi aspek review restoran di Surabaya berdasarkan tiga kategori utama: makanan, pelayanan, dan tempat, menggunakan metode Support Vector Machine (SVM). Proses dimulai dari pengumpulan 5.000 review dari lima restoran di Surabaya Barat, dilanjutkan dengan preprocessing teks (casefolding, cleansing, terjemahan Bahasa Inggris ke Indonesia, tokenisasi, stopword removal, stemming, dan normalisasi), ekstraksi fitur menggunakan TF-IDF, serta pelatihan model SVM dengan pendekatan Binary Relevance untuk klasifikasi multi-label. Evaluasi dilakukan menggunakan K-Fold Cross Validation dan metrik Hamming Loss, F1- score, serta akurasi. Hasil eksperimen menunjukkan bahwa kernel linear memberikan performa terbaik dengan Hamming Loss rata-rata 0.1882 dan F1-score macro 81,06 %, yang dicapai pada konfigurasi K=10 dan C=1. Sistem ini kemudian diimplementasikan dalam antarmuka web berbasis Flask, memungkinkan pengguna memasukkan review dan menerima prediksi aspek secara real-time. Dengan demikian, penelitian ini memberikan solusi otomatis untuk membantu pemilik restoran memahami dimensi spesifik dari opini pelanggan secara efisien.
Kata Kunci: klasifikasi aspek, review restoran, surabaya, support vector machine, tf-idf, evaluasi model