Popularitas telepon pintar dan aplikasi seluler membuat unduhan dan pengguna aplikasi meningkat secara eksponensial. Pengguna dapat memberikan ulasan terkait dengan penggalaman menggunakan aplikasi, ulasan ini dapat berisi keluhan atau saran yang berharga untuk dikaji lebih lanjut. Namun jumlah ulasan yang sangat banyak menyulitkan untuk mencari dan memahami informasi yang terkandung pada teks ulasan. Untuk mengatasi permasalahan tersebut pada penelitian ini mengusulkan model yang dapat menggali informasi serta mengkategorikan konten dan sentimen ulasan dengan menggunakan teknik pembelajaran mesin. Algoritme SentiStrength, Support Vector Machine (SVM), Naïve Bayes, Logistic Regresion, Latent Dirichlet Allocation (LDA) dan Non-negative Matrix Factorization (NMF) digunakan pada penelitian ini. Hasil dari penelitian didapatkan rerata presisi sentimen ulasan mencapai 85% dan algoritme terbaik untuk klasifikasi konten ulasan didapatkan menggunakan SVM dengan nilai rerata f1-score 84.38% menggunakan fitur unigram sedangkan NMF berkerja lebih baik daripada LDA untuk menemukan topik pada teks ulasan.