Media sosial menjadi tempat sumber informasi berbagai kepentingan yang begitu beragam. Komunikasi kata dari mulut yang dibagikan melalui elektronik bisa mempengaruhi potensi adopsi produk dengan segera menyebarkan evalusi produk orang lain. Twitter adalah salah satu media sosial dengan konsep mikroblog yang telah menjadi salah satu yang paling sering dikunjungi. Twitter masih menduduki 10 besar dalam penggunaan aktif global dari jejaring sosial terkemuka pada Februari 2020. Fakta ini membuat Twitter menjadi media sosial yang dipilih penulis sebagai sumber yang kaya untuk dataset dengan topik game yang akan digunakan pada penelitian ini. Himpunan data tweet ini dilakukan analisis topic modelling menggunakan metode Latent Dirichlet Allocation (LDA). Metode LDA ini bertujuan untuk menemukan daftar topik berdasarkan kemiripannya. Lalu, data itu nantinya akan dilabeli sesuai dengan topiknya. Selain dapat meringkas, mengklusterkan, menghubungkan, LDA memiliki kelebihan utama yaitu mampu memproses data yang sangat besar. Untuk itu penelitian ini menggunakan metode LDA. Penelitian ini menggunakan lebih dari 1000 tweet berbahasa Inggris yang diambil selama beberapa hari. Penggunaan dataset ini nantinya akan melalui proses text pre-processing. Setelah dataset melewati proses tersebut selanjutnya dilakukan topic modelling yang kemudian akan dievaluasi nilai koherennya serta perbandingan performanya dengan metode topic modelling latent semantic analysis (LSA). Dengan skenario pengujian, didapati metode LSA lebih cepat (101 ms) daripada metode LDA (756 ms). Sedangkan nilai koherensi dari metode LDA lebih besar (0.520) daripada metode LSA (0.482). Penelitian ini diharapkan bermanfaat bagi para peneliti ilmu data di bidang industri game dengan mempersempit tema game dari data yang akan diteliti.