Penelitian ini mengembangkan sistem rekomendasi kafe berbasis Conversational Case-Based Reasoning (CCBR) yang mengintegrasikan analisis sentimen dari ulasan pengguna untuk meningkatkan relevansi hasil rekomendasi. Sistem dirancang untuk berinteraksi secara bertahap dengan pengguna, menggali preferensi mereka terkait aspek suasana, serta memberikan rekomendasi berdasarkan kasus serupa dari pengguna sebelumnya. Analisis sentimen dilakukan menggunakan pendekatan lexicon-based untuk mengidentifikasi opini terhadap aspek kafe seperti suasana, pelayanan, harga, dan rasa. Melalui pengujian yang melibatkan pengguna, diperoleh hasil bahwa 87% responden menyatakan puas terhadap akurasi rekomendasi yang diberikan. Capaian ini menunjukkan bahwa integrasi CCBR dan analisis sentimen berbasis aspek mampu menghasilkan rekomendasi yang relevan sejak awal, sekaligus memberikan pengalaman interaksi yang fleksibel dan adaptif. Selain itu, sistem juga mendukung penyempurnaan preferensi secara dinamis serta menyimpan histori pencarian sebagai basis pengetahuan yang dapat dimanfaatkan untuk rekomendasi di masa mendatang.
Kata Kunci: Sistem Rekomendasi, Conversational Case-Based Reasoning, Analisis Sentimen, Lexicon-Based, Ulasan Pengguna, Preferensi, Kafe.