Kesehatan mental merupakan isu yang semakin banyak dibicarakan di Indonesia, khususnya di kalangan remaja dan mahasiswa. Platform tanya-jawab daring seperti Quora Indonesia menjadi ruang bagi masyarakat untuk menyampaikan pertanyaan dan kekhawatiran seputar kesehatan mental, namun volume teks yang besar dan tidak terstruktur menyulitkan analisis manual. Penelitian ini menerapkan BERTopic berbasis embedding IndoBERT untuk mengekstraksi topik dari kumpulan pertanyaan kesehatan mental di Quora Indonesia, mengevaluasi kinerja model menggunakan topic coherence dan topic diversity, serta memvalidasi relevansi topik melalui expert judgment oleh tenaga medis. Data dikumpulkan melalui web scraping dan diproses melalui tahap penghapusan duplikasi, pembersihan angka dan tanda baca, tokenisasi, stemming, dan penghapusan stopword sebelum dimodelkan menggunakan pipeline embedding, UMAP, HDBSCAN, dan c-TF-IDF. Pengujian pada beberapa konfigurasi jumlah topik menunjukkan bahwa konfigurasi 12 topik memberikan hasil terbaik dengan topic coherence 0,4581 dan topic diversity 0,7750. Topik yang terbentuk mencakup gangguan klinis seperti depresi, bipolar, skizofrenia, dan OCD, serta aspek emosional, sosial, keluarga, religius, dan perilaku overthinking. Validasi oleh seorang dokter umum menghasilkan skor rata-rata 4,5 dari 5, menunjukkan bahwa topik yang dihasilkan dinilai relevan dengan kondisi klinis yang umum dijumpai. Hasil ini menegaskan bahwa BERTopic dengan IndoBERT layak digunakan untuk analisis topik teks kesehatan mental berbahasa Indonesia dan dapat menjadi dasar pengembangan layanan edukasi serta intervensi yang lebih tepat sasaran.