ABC merupakan aplikasi berbasis mobile maupun web yang dikembangkan oleh PT XYZ yang ditujukan untuk membantu pemerintah dalam menekan jumlah kasus COVID-19 di Indonesia. Jumlah pengguna aplikasi telah mencapai 74 juta pengguna. Total pengguna aplikasi yang besar membuat stakeholder dari aplikasi sangat menjaga kualitas aplikasi sehingga dapat berfungsi dengan lancar. Jumlah kegagalan yang dialami pengguna merupakan informasi yang dapat digunakan guna menjaga kelancaran penggunaan aplikasi ABC. Tim pengembang aplikasi ABC dari PT XYZ memiliki OKR untuk menjaga hal tersebut, yaitu nilai crash free users sebesar 95% untuk aplikasi ABC berbasis mobile. Namun, hingga bulan November 2021, nilai crash free users dari aplikasi ABC berbasis android tidak mencapai target yaitu sebesar 87.98% sedangkan aplikasi ABC berbasis IOS sebesar 98.94%. Hal ini selaras dengan masih terdapat ulasan aplikasi ABC pada google play store yang mengandung makna negatif. Data rating aplikasi ABC pada google play store sebesar 3.6 dari 5.0. Perumusan akar permasalahan pada penelitian ini menghasilkan bahwa penyebab tidak tercapai nya target OKR tersebut adalah belum efektifnya pelayanan tim operasional aplikasi ABC. Tim operasional PT XYZ belum memiliki proses analisis hasil ulasan pengguna pada google play store secara otomatis sehingga hasil analisis data ulasan pengguna tidak dilaporkan secara menyeluruh dan rutin kepada tim pengembang aplikasi untuk diproses lebih cepat dan tepat. Sentiment analysis dapat melakukan pengelompokkan data ulasan secara otomatis ke dalam kelas positif, netral dan negatif. Salah satu pendekatan yang dapat digunakan adalah pendekatan machine learning. Untuk mengetahui topik dari data ulasan secara otomatis dapat menggunakan analisis deskpitif terhadap pemodelan topik yang dibangun. Penelitian ini bertujuan membangun model klasifikasi sentimen dan topic modelling terhadap data ulasan aplikasi ABC pada google play store pada rentang waktu bulan September 2021- November 2021. Penelitian ini menggunakan metode SVM, Naïve Bayes dan Lgositic regression dalam membangun model klasifikasi sentimen dan algoritma LDA dalam melakukan pemodelan topik. Parameter pengujian model klasifikasi juga dilakukan terhadap penggunaan stemming dan oversampling. Pada penelitian ini, performa tertinggi dihasilkan saat membangun model klasifikasi SVM dengan data tanpa proses stemming dan dengan proses oversampling. Nilai accuracy sebesar 91,54%, precision sebesar 92,44%, recall sebesar 91,54% dan f1-score sebesar 91,59%. Topik yang dihasilkan untuk dataset positif adalah kepuasan dan pujian terhadap aplikasi ABC. Topik yang dihasilkan untuk dataset negatif adalah kendala pengguna saat mengunduh & registrasi pada aplikasi, serta sertifikat vaksin yang tidak muncul pada akun pengguna. Hasil dari penelitian ini dapat dijadikan referensi penelitian untuk penelitian terkait berikutnya dan dapat menjadi acuan untuk menentukan fitur yang perlu diprioritaskan untuk diperbaiki atau dikembangkan oleh PT XYZ terhadap aplikasi ABC