Pariwisata di Indonesia memiliki potensi besar, dengan kontribusi industri pariwisata mencapai 3,2% dari gross domestic product (GDP) pada tahun 2020, senilai Rp502,22 triliun. Bali menjadi destinasi pariwisata yang populer, terkenal di kalangan masyarakat Indonesia maupun turis mancanegara. Namun, beberapa hotel dan akomodasi di Bali tidak sesuai dengan preferensi konsumen, mengakibatkan penurunan kepuasan pelanggan. Untuk mengatasi masalah tersebut, penelitian ini bertujuan untuk mengembangkan model klasifikasi ulasan dan sistem rekomendasi hotel berdasarkan ulasan serta rating untuk memberikan rekomendasi hotel yang sesuai dengan keinginan konsumen. Metode natural language processing (NLP) dengan model BERT dan RoBERTa digunakan dalam penelitian ini untuk memproses 5.798 ulasan konsumen dari 16 hotel yang sudah dilabelkan. Kedua model NLP ini berhasil mengklasifikasikan kategori aspek hotel dengan baik, dengan nilai macro F1 score tertinggi mencapai 0,83 oleh model BERT. Model RoBERTa berhasil memberikan nilai kemiripan tertinggi dalam pemberian rekomendasi hotel, dengan nilai sebesar 0,99917. Temuan ini menunjukkan bahwa sistem rekomendasi ini dapat digunakan oleh pebisnis hotel dan online travel agent (OTA) untuk meningkatkan performa bisnis mereka. Pemanfaatan kedua model NLP ini juga memberikan dampak positif dalam ekosistem bisnis industri perhotelan dan efisiensi dalam bidang pemasaran. Dengan demikian, strategi personalisasi hotel dapat dirancang dengan lebih efisien karena pemahaman yang lebih baik mengenai preferensi hotel konsumen.