Ulasan pengguna merupakan input yang penting dalam pengembangan suatu aplikasi mobile karena dapat membantu pengembang untuk memenuhi kebutuhan pengguna dan meningkatkan kualitas aplikasinya. Meskipun begitu, proses analisis ulasan ini memiliki tantangan berupa volumenya yang besar dan sedikitnya ulasan yang informatif. Salah satu aplikasi yang sudah memiliki banyak pengguna dan ulasan adalah MAXstream yang sudah memiliki lebih dari 8 juta pengguna aktif bulanan dan lebih dari 70 ribu ulasan berbahasa Indonesia. Namun, proses ekstraksi informasi yang dilakukan oleh pengembang dalam beberapa aspek masih dilakukan secara manual, sehingga menimbulkan beberapa ketidakefektifan. Penelitian ini mengusulkan penggunaan text mining berupa klasifikasi teks dan pemodelan topik untuk membantu ekstraksi informasi ulasan-ulasan ini. Penelitian ini mengumpulkan ulasan pengguna dari Google Play Store dan Apple App Store, melakukan preprocessing terhadap teks dari ulasan yang telah dikumpulkan, mengekstraksi fitur dari data teks tersebut, dan pada akhirnya melakukan pemodelan topik dan klasifikasi teks. Klasifikasi teks digunakan untuk mengelompokkan ulasan menjadi empat kategori, dan pemodelan topik digunakan untuk mengekstrak informasi tentang hal-hal yang dibicarakan pengguna di setiap kategori ulasan tersebut. Hasil dari klasifikasi teks menunjukkan bahwa model yang paling optimal adalah model support vector machine (SVM) yang dilatih menggunakan dataset yang sudah diseimbangkan menggunakan teknik random oversampling. Selain itu, hasil dari pemodelan topik menunjukkan bahwa konfigurasi jumlah topik terbaik untuk ulasan berkategori bug report dan other adalah sebanyak 10 topik, dan untuk ulasan berkategori feature request dan content request adalah 14 dan 15 topik.