Sektor pariwisata memiliki kontribusi signifikan dalam mendorong pertumbuhan ekonomi, salah satunya melalui pemanfaatan aplikasi Online Travel Agent OTA yang memudahkan pengguna dalam merencanakan perjalanan. Namun, aplikasi OTA seperti Traveloka, Tiket.com, dan Agoda masih memiliki kelemahan teknis yang berdampak pada kepuasan pengguna. Oleh karena itu, analisis terhadap ulasan pengguna menjadi penting untuk mengevaluasi kualitas layanan aplikasi. Penelitian ini mengembangkan sistem analisis otomatis terhadap ulasan pengguna dengan pendekatan deep learning dan machine learning. Model Bidirectional Long ShortTerm Memory BiLSTM digunakan untuk mengklasifikasikan sentimen menjadi tiga kelas positif, negatif, dan netral. Sementara itu, model Logistic Regression diterapkan untuk mengidentifikasi topik ulasan ke dalam tujuh kategori, seperti hotel dan penginapan, transportasi, layanan, dan lainnya. Data ulasan diperoleh dari Google Playstore dan diproses menggunakan teknik Natural Language Processing agar dapat diolah secara sistematis. Sistem ini dibangun untuk mengatasi kendala dalam pengolahan data berjumlah besar secara manual, serta menghasilkan klasifikasi yang akurat dan efisien. Berdasarkan hasil pengujian, model BiLSTM mencapai akurasi sebesar 96 persen dalam klasifikasi sentimen, sedangkan Logistic Regression mencatat akurasi sebesar 80 persen dalam klasifikasi kategori. Hasil ini menunjukkan bahwa sistem yang dikembangkan berhasil mengidentifikasi sentimen dan topik ulasan dengan tingkat ketepatan yang tinggi dan performa yang stabil terhadap keragaman data teks.