Indonesia menduduki peringkat ke-6 pengguna Twitter terbanyak di dunia. Twitter adalah sebuah media sosial dan layanan microblogging yang mengijinkan penggunanya untuk mengirimkan pesan secara real-time. Pesan ini dapat disebut sebagai tweet. Tweet adalah sebuah pesan pendek dengan panjang karakter yang dibatasi hanya sampai 280 karakter. Vaksin menjadi topik yang banyak dibicarakan pada sosial media karena banyak orang yang memiliki pendapat beragam mengenai vaksinasi COVID-19 yang masih tergolong baru. Oleh karena itu, tujuan penelitian ini adalah untuk mencari topik yang dibahas oleh masyarakat pada media sosial Twitter mengenai topik vaksin menggunakan algoritma Non-negative Matrix Factorization (NMF). Algoritma NMF adalah salah satu algoritma yang dapat digunakan untuk menganalisa hubungan antara sebuah frase/kalimat dengan sekumpulan dokumen. Dengan algoritma NMF dan algoritma ranking Combined Component Approach dan Term Frequency Inverse Document Frequency (TF-IDF) dapat ditemukan algoritma ranking terbaik dalam mendeteksi topik pada data tweet. Data yang digunakan adalah data tweet yang berjumlah 34.644 tweet. Topik yang didapatkan oleh model NMF dengan algoritma TF-IDF adalah covid, puasa, Indonesia, lansia, dan negara. Sedangkan untuk model NMF dengan algoritma CCA topik yang didapatkan adalah aman, sehat, covid, ragu, dan baik. Kata kunci : twitter;tweet;Non-negative matrix factorization;Term-frequency