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.