Ulasan kuliner Indonesia di Instagram dicirikan oleh penggunaan bahasa informal, dialek daerah, dan emoji yang mempersulit klasifikasi sentimen otomatis. Penelitian ini menyajikan studi ablasi pra-pemrosesan teks secara sistematis menggunakan IndoBERT-Base sekaligus mengembangkan sistem analisis sentimen berbasis web ujung-ke-ujung (end-to-end). Dataset berupa 3.500 komentar Instagram yang dilabeli manual dipartisi menggunakan skema stratified split 80/10/10. Berdasarkan evaluasi enam varian pra-pemrosesan, normalisasi kata slang dan bahasa daerah Banjar menjadi tahapan tunggal paling berpengaruh dengan peningkatan skor F1-macro sebesar +0,0609 dari data mentah. Pipa pemrosesan lengkap menghasilkan akurasi 0,8800 dan skor F1-macro 0,8465, mengungguli model baseline Naive Bayes, SVM, dan BiLSTM. Analisis kesalahan kualitatif menunjukkan bahwa ekspresi sarkasme dan kosakata Banjar di luar kamus menjadi penyebab utama salah klasifikasi pada kelas negatif (F1: 0,7600). Untuk deployment produksi, model diekspor ke format ONNX dan dijalankan via ONNX Runtime di dalam backend FastAPI yang terhubung dengan database PostgreSQL dan frontend ReactJS. Sistem yang dikembangkan berhasil menyediakan endpoint REST untuk penarikan data otomatis, persistensi basis data, serta pemantauan sentimen tingkat postingan yang dapat ditelusuri untuk mendukung keputusan bisnis.