BSI Mobile dan Muamalat DIN merupakan aplikasi mobile banking dua bank syariah di Indonesia yang dapat memberikan layanan perbankan dan layanan pendukung lainnya melalui platform mobile dan dapat diunduh melalui Google Playstore. Google Play Store memberikan informasi rating dan teks ulasan pengguna aplikasi. Informasi ini tidak jarang ada ketidakselarasan antara rating dan isi teks ulasan. Ragam narasi dan gaya penulisan juga ditemukan dalam isi teks ulasan sehingga memberikan tantangan dalam mengklasifikasikan sentimen dan mengelompokkan topik pada sentimen. Penelitian ini bertujuan untuk membuat model topik pada sentimen menggunakan Latent Drichet Allocation (LDA) dan membuat model klasifikasi sentimen menggunakan Naive Bayes. Tahap penelitian dimulai dari mengumpulkan data ulasan dengan web scraping, pre-processing data, pelabelan kelas sentimen, pemodelan topik dengan LDA, dan klasifikasi sentimen dengan Naive Bayes. Ulasan yang dikumpulkan adalah data pada periode bulan Januari 2023 hingga bulan Mei 2024. Dataset ulasan yang didapatkan dari scraping data sebanyak 45.000 untuk BSI Mobile dan 6.515 untuk Muamalat DIN. Dataset ulasan BSI Mobile setelah pelabelan kelas sebanyak 25.940 sentimen positif dan 9.695 sentimen negatif. Adapun dataset ulasan Muamalat DIN sebanyak 826 sentimen positif dan 424 sentimen negatif. Penelitian ini menghasilkan model LDA dengan 4 topik pada masing-masing aplikasi dengan nilai koherensi 0,424 untuk BSI Mobile dan Muamalat DIN dengan nilai koherensi 0,337. Klasifikasi sentimen ulasan BSI Mobile menghasilkan model dengan nilai akurasi 81,60% dan nilai AUC sebesar 0,89 pada perbandingan rasio data latih dan data uji yaitu 80:20. Adapun Muamalat DIN menghasilkan model dengan nilai akurasi 78,40% dan nilai AUC sebesar 0,85 pada perbandingan rasio data latih dan data uji yaitu 80:20. Berdasarkan hasil penelitian, Naive Bayes dan LDA mampu mengklasifikasikan sentimen dan topik dari data ulasan aplikasi Google Play Store.
Kata Kunci: Analisis sentimen;latent drichlet allocation;mobile banking;pemodelan topik