Di era digital saat ini, informasi mengenai resep makanan sangat melimpah yang mengakibatkan masyarakat mengalami kebingungan dalam memilih resep makanan yang sesuai dengan preferensinya. Oleh karena itu diperlukan sistem rekomendasi yang dapat mengatasi permasalahan tersebut. Beberapa penelitian sudah berhasil membangun sistem rekomendasi resep makanan, namun belum memanfaatkan aspek analisis sentimen khususnya pada teks ulasan pengguna. Oleh karena itu, pada penelitian ini menggunakan model Bidirectional Long Short-Term Memory (Bi-LSTM) untuk menghasilkan analisis sentimen dalam bentuk skor sentimen, kemudian digabungkan dengan teknik Collaborative Filtering (CF) untuk membangun sistem yang dapat merekomendasikan resep makanan kepada pengguna sesuai dengan preferensinya. Performa dari sistem dalam merekomendasikan resep makanan diukur menggunakan metrik evaluasi Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan bahwa dengan memanfaatkan skor sentimen pada teknik CF, sistem rekomendasi dapat menghasilkan nilai evaluasi metrik yang cukup optimal pada pengujian Item-Based CF dengan nilai tertinggi pada pengujian parameter alpha sebesar 0.7 yang menghasilkan nilai MAE sebesar 1.30 dan RMSE sebesar 1.49, namun sistem rekomendasi tersebut tidak dapat menandingi sistem rekomendasi yang hanya mengandalkan rating yang menghasilkan nilai MAE sebesar 0.23 dan RMSE sebesar 0.68.