Pertumbuhan yang cepat pada penggunaan media sosial telah menyebabkan peningkatan akumulasi data, seperti berbentuk teks, sehingga membuka peluang baru untuk menganalisis aspek dan pola dalam komunikasi. Terdapat beberapa permasalahan terjadi pada analisis teks di media sosial, seperti penggunaan Bahasa informal, topik pembicaraan variatif, dan terkait penyajian hasil analisis yang diperoleh. Penelitian ini bertujuan untuk menganalisis topik pada kolom komentar Youtube terkait perkembangan COVID-19 di Indonesia dan memvisualisasikannya secara interaktif dalam bentuk dashboard. Penelitian ini menerapkan metode Latent Dirichlet Allocation (LDA) dengan menentukan parameter terkait agar mendapatkan hasil yang optimal, seperti jumlah topik, nilai alpha dan beta, serta jumlah iterasi. Tahapan preprocessing teks komentar dilakukan dengan tokenization, word formalization, stemming, stopwords removal, dan N-gram. Dataset yang digunakan yaitu komentar pada platform YouTube terkait perkembangan COVID-19 di Indonesia pada periode Maret hingga September 2020 dengan menggunakan teknik web scraping. Hasil dari penelitian ini adalah 6 kategori topik yakni “Harapan - Doa”, “Kebijakan - Regulasi”, “Dampak Pandemi”, “Pemberitaan - Informasi”, “Protokol Kesehatan”, dan “Perkembangan Jumlah Kasus” dengan terjadi peningkatan pada nilai koherensi sebesar 0.553 yang sebelumnya hanya 0.507. Kualitas hasil dari pemodelan yang diperoleh memiliki skor Adjusted Rand Index (ARI) sebesar 0.8427, sehingga penerapan metode LDA dianggap cukup baik terhadap teks komentar berbahasa Indonesia di YouTube. Diharapkan penelitian ini dapat membantu pengguna dalam menganalisis lebih lanjut untuk mendapatkan wawasan berdasarkan perspektif dan pemikiran yang berkembang di masyarakat terkait COVID-19.
Kata Kunci : Pemodelan Topik, Latent Dirichlet Allcation (LDA), Web Scraping, Word Formalization, Adjusted Rand Index