<![CDATA[Penelitian ini bertujuan untuk menganalisis ulasan pengguna aplikasi Sekolah.mu di Google Play Store dengan menggunakan dua pendekatan utama yaitu analisis sentimen menggunakan algoritma Long Short-Term Memory (LSTM) dan pemodelan topik menggunakan algoritma Non-Negative Matrix Factorization (NMF). Aplikasi Sekolah.mu merupakan platform pembelajaran berbasis digital yang terus berkembang dan menerima umpan balik dari penggunanya. Dengan jumlah ulasan yang sangat banyak, analisis manual menjadi tidak efisien. Oleh karena itu, analisis sentimen diperlukan untuk mengklasifikasikan ulasan pengguna menjadi sentimen positif atau negatif, serta pemodelan topik untuk mengidentifikasi topik-topik utama yang dibahas. Metodologi penelitian mencakup pengumpulan data melalui scraping, preprocessing data, klasifikasi sentimen menggunakan LSTM, evaluasi model menggunakan confusion matrix dan pemodelan topik menggunakan NMF, evaluasi pemodelan topik menggunakan coherence topik. Hasil penelitian menunjukkan bahwa model LSTM memiliki akurasi sebesar 90,18% dalam mengklasifikasikan sentimen, sedangkan model NMF berhasil mengidentifikasi 6 topik utama yang relevan dengan pengalaman pengguna. Hasil penelitian diharapkan menjadi dasar strategis dalam pengembangan kualitas aplikasi dan peningkatan kepuasan serta loyalitas pengguna terhadap aplikasi Sekolah.mu. Kata kunci— analisis sentimen, deep learning, LSTM, NMF, Sekolah.mu, pemodelan topik]]>
