Pariwisata di Bali memainkan peran penting dalam perekonomian daerah, dan ulasan wisatawan dapat memberikan wawasan berharga terkait kualitas pengalaman yang dirasakan. Penelitian ini bertujuan untuk mengklasifikasikan sentimen ulasan wisatawan berbahasa Inggris terhadap enam objek wisata di Bali, yaitu Pantai Kuta, Pantai Nusa Dua, Pantai Sanur, Tegalalang Rice Terrace, Pura Luhur Uluwatu, dan Pura Penataran Agung Lempuyang, dengan total data sebanyak 4.872 ulasan, masing-masing 812 ulasan per objek. Data diperoleh dari situs TripAdvisor dan Google Maps, dan dianalisis melalui tahapan web scraping, text preprocessing, transformasi menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), serta pemodelan dengan algoritma Support Vector Machine (SVM). Hasil evaluasi menunjukkan bahwa algoritma Support Vector Machine (SVM) mampu mengklasifikasikan sentimen dengan akurasi sebesar 93,95% saat menggunakan data yang seimbang dengan precision, recall dan F1-score untuk kedua kelas (Negative dan Positive) masing-masing mencapai 94%, dan akurasi sebesar 90,83% pada data yang tidak seimbang dengan kelas Positve memiliki recall dan F1-score yang lebih tinggi (94% dan 92%), sementara kelas Negative memiliki precision dan F1-score yang sedikit lebih rendah (91% dan 88%). Temuan ini menunjukkan bahwa model bekerja lebih optimal pada data dengan distribusi sentimen yang seimbang. Secara keseluruhan, algoritma Support Vector Machine (SVM) terbukti efektif dan akurat dalam menganalisis sentimen ulasan wisatawan terhadap objek wisata di Bali.
 
Kata kunci: Sentimen, Ulasan Wisatawan, Support Vector Machine (SVM), Objek Wisata, Bali

This research aims to develop an application for recommending safe and suitable skincare products for pregnant women. The application is built using the prototype method and implemented with the Python programming language using the Flask framework. The study encompasses product categories from Drw Skincare, including serums, toners, shampoos, body care products, facial washes, and creams. The system provides options for users to select categories of skincare ingredients they desire. The application issues warnings about skincare ingredients that should be avoided during pregnancy, such as retinol and specific acids. The end result is a list of recommended skincare products containing ingredients that align with the user's selected criteria. Each product is accompanied by comprehensive information about its ingredients and advice. Users can utilize search and advanced filtering features to find skincare products based on product types and brands. The application offers clear user guidance and an intuitive interface, enabling users to navigate and use the application comfortably. It is expected that this application can assist pregnant women in choosing safe and effective skincare products while providing a better understanding of skincare during pregnancy.