Masifnya perkembangan teknologi dan tuntutan untuk mengimplementasi pada kehidupan dan proses bisnis sehari-hari menjadikan tantangan tersendiri dalam proses maintenance dan improvisasi. Langkah yang dilakukan yakni melakukan penelitian sentiment analysis menggunakan data komentar sosial media untuk mengetahui aspect pengembangan yang masih memerlukan perhatian dan tindakan pada lembaga Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) dari sisi information quality, service quality, dan system quality. Dengan memanfaatkan framework methodology Knowledge Discovery in Databases (KDD), konsep hybrid learning model LSTM + XLM-RoBERTa, perancangan model kasus multilabel serta proses labeling menggunakan OpenAI API memberikan hasil accuracy 0.22, precision 0.5, recall 0.66 dan f1-score 0.55 untuk topic output serta accuracy 0.91, precision 0.88, recall 0.85, dan f1-score 0.87 untuk sentiment output. Selain itu berhasil melakukan ekstraksi 33 subtopic dengan detail (6 service quality, 8 system quality, 17 information quality, 1 lainnya, dan 1 outlier) menggunakan BERTopic. Pada penelitian ini ditemukan ketidakcocokan model LSTM untuk kasus sentiment analysis multi-label dari buruknya performa model saat melakukan prediksi topic. Akan tetapi model LSTM ini masih terbilang sangat baik pada kasus single-label yang dapat dilihat pada hasil predict sentiment. Selain itu performa BERTopic dalam menentukan sub aspect dari masing-masing topic terbilang cukup baik dibuktikan dengan hasil yang cukup beragam.
Kata kunci: BERTopic, BMKG, Hybrid Learning, InfoBMKG, LSTM, Sentiment Analysis, XLM-RoBERTa