Analisis sentimen adalah metode yang berguna dalam mengkategorikan emosi
dari sumber teks, seperti komentar dan media sosial, untuk memahami ulasan
pengguna dan mempengaruhi pengambilan keputusan. Namun, analisis sentimen
dapat terhambat oleh kesulitan memahami konteks ulasan pengguna, yang dapat
menyebabkan klasifikasi sentimen tidak akurat. Oleh karena itu, memasukkan
kategorisasi topik sebelum analisis sentimen dapat membantu memahami konteks
dengan lebih baik. Dalam penelitian ini, dataset analisis sentimen dibuat menggunakan
ulasan pengguna aplikasi, dan model Latent Dirichlet Analysis (LDA) digunakan untuk
mengkategorikan topik ulasan. Hasil evaluasi menunjukkan nilai coherence score yang
berbeda-beda untuk masing-masing dataset, dengan jumlah topik ulasan yang berbeda
pula. Untuk penamaan topik ulasan menggunakan Continuous Bag-of-Words
(CBOW). Setelah mengkategorikan topik ulasan, model pre-trained RoBERTa
digunakan untuk melabelkan sentimen. Hasil akhirnya disajikan dalam bentuk
tampilan web dengan bantuan grafik, menunjukkan jumlah topik per dataset yang
berbeda. Dalam penelitian ini, 8 aplikasi dibagi menjadi 3 dataset dengan nilai
coherence yang berbeda yaitu 0.600, 0.535, dan 0.516. Hasil analisis menggunakan
CBOW mengidentifikasi beberapa topik dengan konteks yang sama, dan dalam tahap
visualisasi, menunjukkan jumlah topik per dataset yang berbeda dengan jumlah 7, 6,
8.
