Pandemi yang disebabkan oleh coronavirus 2019 telah merevitalisasi telemedicine sebagai layanan kesehatan berbasis teknologi informasi dan komunikasi dan sebagai media pelayanan dokter dalam mendiagnosis, mengobati, mencegah hingga mengevaluasi kondisi kesehatan. Aplikasi layanan telemedicine di indonesia salah satunya yaitu Alodokter, Halodoc, KlikDokter, SehatQ dan YesDok. Penelitian sebelumnya pada domain yang sama yaitu aplikasi telemedicine menggunakan machine learning untuk melakukan pemodelan sentimen, Penelitian ini melakukan analisis sentimen menggunakan metode BiLSTM (Bidirectional Long Short-Term Memory) yang dapat merepresentasikan informasi kontekstual lebih baik dan dapat membaca informasi feedback pengguna pada kedua arah. Kemudian analisis sentimen dideskripsikan secara eksplisit untuk mengidentifikasi topik dari sentimen pengguna menggunakan LDA (Latent Dirichlet Allocation). Feedback pengguna kumpulkan pada 14 agustus 2022 yang didapatkan pada kelima aplikasi berjumlah 244.098, Hasil analisis pada feedback didapatkan yaitu 112.013 sentimen positive, 34.853 sentimen neutral dan 97228 sentimen negative. Model BiLSTM dan Word2Vec yang digunakan memiliki kinerja yang baik dalam mengklasifikasikan sentimen yaitu 95%, sedangkan pemodelan topik pada setiap sentimen memiliki nilai koherence 0.6437 pada topik positive, 0.6296 sentimen neutral dan 0.6132 sentimen negative.