Aplikasi JAKI berhasil memanfaatkan teknologi untuk membantu keseharian warga dalam mengakses berbagai layanan publik. Namun, aplikasi ini masih menghadapi beberapa tantangan yang perlu diatasi. Beberapa pengguna mengeluhkan kesulitan dalam mendapatkan antrian di faskes (fasilitas kesehatan), kesulitan membuat laporan dan aplikasi yang lambat dalam merespon. Analisis sentimen atau opinion mining, menjadi penting untuk memahami secara mendalam pengalaman dan persepsi pengguna terhadap aplikasi JAKI. Metode ini memungkinkan peneliti untuk menggali informasi berharga dari ribuan ulasan tanpa perlu menelaahnya satu persatu secara manual. Penelitian ini bertujuan mengetahui sentimen pengguna, mengetahui topik utama yang terdapat pada ulasan aplikasi JAKI dan mengetahui kinerja pemodelan Latent Dirichlet Allocation (LDA) dengan klasifikasi Naïve Bayes. Peneliti menggunakan 4.412 data ulasan dari Google Play Store dari versi 1.0.7 hingga 3.0.6, yang kemudian meningkat menjadi 6.656 setelah dilakukan tahapan text processing. Melalui penelitian ini, pemodelan topik dengan LDA berhasil mengidentifikasi empat topik utama, yaitu fitur aplikasi, vaksinasi, kebermanfaatan, dan pengalaman pengguna. Perbandingan data set dan data uji yang digunakan pada penelitian ini adalah 90:10, 80:20 dan 70:30. Hasil pada penelitian ini adalah ulasan pengguna aplikasi JAKI mendapat sentimen positif dengan total 4.283 dan negatif sebanyak 2.373. Model LDA dan Naïve Bayes mencapai akurasi tertinggi 75,07% pada rasio 90:10 dalam mengklasifikasikan sentimen. Model ini memiliki presisi 82%, recall 78%, dan F1-score 80% untuk sentimen positif, serta presisi 65%, recall 70%, dan F1-score 67% untuk sentimen negatif. Evaluasi model menunjukkan kinerja klasifikasi yang baik dengan nilai Area Under Curve (AUC) sebesar 0,81.
Kata kunci; Analisis sentimen;aplikasi JAKI;latent dirichlet allocation;naïve bayes