Ulasan pengunjung Solo Safari pada Google Maps menjadi media bagi wisatawan untuk menyalurkan opini dan berpotensi memberikan informasi penting bagi pengelola. Namun, data teks tersebut tidak terstruktur sehingga memerlukan pendekatan analisis yang sistematis. Penelitian ini bertujuan untuk menganalisis sentimen ulasan pengunjung Solo Safari menggunakan pendekatan machine learning serta membandingkan kinerja dua algoritma klasifikasi sentimen, yaitu Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM). Data diproses melalui tahap preprocessing, pelabelan sentimen, splitting data, pembobotan kata dengan Term Frequency–Inverse Document Frequency (TF-IDF), serta proses klasifikasi dan evaluasi model. Proses optimasi parameter pada kedua model dilakukan menggunakan teknik hyperparameter tuning untuk memperoleh kombinasi parameter terbaik. Hasil evaluasi menunjukkan bahwa NBC dengan α = 0,05 memperoleh F1-score sebesar 57,49%, sedangkan SVM dengan kernel polinomial dan parameter C = 100; γ = 0,1; r = 0,01 menghasilkan F1-score sebesar 79,91%. Analisis sentimen menunjukkan bahwa ulasan positif didominasi oleh aspek pengalaman rekreasi, lingkungan, fasilitas, dan kesesuaian wisata untuk keluarga, sedangkan ulasan negatif terutama berkaitan dengan kondisi hewan, fasilitas pendukung, biaya tambahan dan harga tiket. Berdasarkan temuan tersebut, SVM dinilai lebih efektif dalam mengklasifikasikan sentimen ulasan dan dapat dimanfaatkan sebagai dasar pengambilan keputusan berbasis data bagi pengelola Solo Safari.