ABSTRAK
Perkembangan pengguna internet di Indonesia terus meningkat dari waktu ke waktu, hal tersebut membuat pelanggan yang nyaman akan dengan transaksi secara digital. Perusahaan Trinusa Travelindo atau lebih dikenal sebagai Traveloka bergerak di bidang online travel agent membuktikan pencapaian yang luar biasa yaitu menjadi aplikasi E-tourism yang berada di urutan ke-1 paling banyak dikunjungi oleh masyarakat Indonesia pada tahun 2022. Namun hasil tersebut sebanding lurus juga dengan banyaknya ulasan negatif yang tercipta pada review aplikasi sendiri. Penelitian ini bertujuan untuk mengidentifikasi isu apa saja yang mempengaruhi kepuasan pelanggan dengan pemodelan topik. Penelitian ini menggunakan metode text mining berasal dari hasil review pengguna aplikasi Traveloka. Sumber data yang didapatkan pada penelitian ini adalah data sekunder dengan melakukan teknik crawling data review aplikasi Traveloka dengan sampel Januari hingga mei 2023. Berdasarkan analisis sentiment, Traveloka memiliki performa cukup baik dengan 50,38% positif dan 49,62% negative. Review pengguna dikelompokkan berdasarkan hasil sentiment analisis selanjutnya baru dilakukan Topic Modelling untuk mengetahui isu apa saja yang mempengaruhi kepuasan pelanggan.Pemodelan topik data yang digunakan adalah Latent Dirichlet Allocation (LDA) dan Latent Semantic Analysis (LSA) dengan bantuan phyton 6.3. untuk mengetahui kata dan topik apa yang sering muncul atau sebagai faktor yang mempengaruhi kepuasan pelanggan. Hasil penelitian ini adalah isu / topik yang mempengaruhi kepuasan pelanggan yang dilakukan dengan pemodelan topik atas adalah pelanggan merasa puas dengan kualitas produk, pengalaman memesan diaplikasi , promo dan diskon , dan kualitas pelayanan. Saran untuk Traveloka ditemukan juga melalui Topic Modelling yang bermuatan negative sebagai berikut, memperhatikan dan memaksimalkan peran aplikasi Traveloka karena banyak review pengguna banyak mengatakan rumit, meningkatkan layanan paylater meningkatkan refund payment terhadap kualitas pelayanan yang dirasa masih kurang oleh pelanggan.
Kata kunci : Kepuasan pelanggan,Text Mining, Analisis Sentimen, Topic Modelling