Peningkatan penggunaan aplikasi dompet digital seperti DANA turut memunculkan fenomena technostress, yaitu tekanan psikologis akibat interaksi negatif dengan teknologi. Penelitian ini bertujuan mengidentifikasi aspek-aspek pemicu technostress dalam ulasan pengguna aplikasi DANA di Google Play Store, serta mengklasifikasikan sentimen pengguna menggunakan algoritma Support Vector Machine (SVM). Sebanyak 100.000 ulasan dianalisis menggunakan pendekatan Knowledge Discovery in Databases (KDD) yang mencakup seleksi data, praproses, transformasi, pemodelan, dan evaluasi. Proses praproses melibatkan text preprocessing, embedding FastText, dan pembobotan TF-IDF. Pemodelan topik dilakukan menggunakan BERTopic dengan komponen Sentence-BERT, UMAP, HDBSCAN, dan c-TF-IDF. Setelah topik terbentuk, dilakukan Aspect-Based Sentiment Analysis (ABSA), dan klasifikasi sentimen dilakukan dengan SVM menggunakan tiga kernel: linear, polynomial, dan RBF. Hasil menunjukkan bahwa rasio data training dan testing 75:25 pada data undersampling memberikan performa terbaik. Kernel linear menghasilkan akurasi tertinggi sebesar 97%. Dari sembilan topik, BERTopic mengelompokkan empat topik utama: konektivitas & layanan premium, kemudahan penggunaan, keamanan transaksi, dan layanan aplikasi. Dua aspek pertama didominasi sentimen positif, sedangkan dua sisanya negatif. Nilai topic coherence sebesar 0.51 (training) dan 0.44 (testing) menunjukkan model stabil dan tidak mengalami overfitting. Penelitian ini memberikan kontribusi dalam memahami keluhan pengguna dan mendukung pengembangan layanan aplikasi berbasis data.