Pertumbuhan industri pariwisata di Kota Palembang mendorong meningkatnya kebutuhan akan layanan hotel yang berkualitas. Ulasan pelanggan di Google Maps menjadi sumber data penting untuk mengevaluasi kepuasan tamu secara digital. Penelitian ini bertujuan untuk membandingkan performa algoritma Support Vector Machine (SVM) dan Random Forest dalam melakukan klasifikasi sentimen ulasan hotel. Data yang digunakan terdiri dari 1000 ulasan berbahasa Indonesia yang telah melalui tahap preprocessing seperti cleaning, case folding, tokenization, stopword removal, dan stemming. Evaluasi dilakukan menggunakan dua metode: pembagian data 80:20 dan K-Fold Cross Validation. Hasil pada pembagian data 80:20 menunjukkan bahwa Random Forest unggul dengan akurasi 88% dan recall 100%, sedangkan SVM memperoleh akurasi 87% dan recall 99%, dengan precision dan F1-score yang sama pada kedua algoritma. Namun, hasil K-Fold Cross Validation menunjukkan bahwa SVM lebih stabil dan konsisten, dengan akurasi 92%, precision 94%, recall 98%, dan F1-score 96%, mengungguli Random Forest yang memperoleh akurasi 91% dan F1-score 95%. Berdasarkan hasil keseluruhan, algoritma SVM direkomendasikan sebagai metode yang lebih optimal untuk analisis sentimen ulasan hotel di Google Maps.

Kata kunci : Analisis Sentimen, Google Maps, Support Vector Machine, Random Forest,