Media massa online adalah sumber informasi tercepat dan up-to-date. Sebuah model yang dapat memberikan pemetaan akan membantu dalam memilah informasi dengan lebih tepat. Pada penelitian ini, penulis menerapkan topic modelling terhadap hasil sentiment analysis pada headline berita online berbahasa Indonesia. Sumber data pada penelitian ini diperoleh dari media massa online berbahasa Indonesia. Data yang terkumpul dianalisis sentimennya dengan menggunakan metode Long Short-term Memory (LSTM), sehingga diperoleh tajuk-tajuk berita dengan sentimen positif, negatif, dan netral. Klasifikasi yang diperoleh dari hasil proses sentimen analisis tersebut dilanjutkan dengan proses pemodelan topik menggunakan metode Latent Dirichlet Allocation (LDA) dan divisualisasikan dalam bentuk wordcloud dan intertopic distance map (pyLDAVis) untuk mengetahui keterkaitan satu topik dengan topik lainnya. Proses analisis sentimen menghasilkan model dengan tingkat akurasi 71.13% dan proses pemodelan topik berhasil menyajikan topik-topik yang mudah dinterpretasikan sehingga dapat diketahui kesimpulan tentang suatu isu.