Aduan masyarakat memuat informasi penting mengenai respons publik terhadap berbagai permasalahan, khususnya di wilayah Jawa Timur. Di era digital, tingginya volume aduan dalam bentuk teks tidak terstruktur menjadi tantangan dalam proses analisis manual. Kondisi ini juga terlihat pada Dinas Sosial Provinsi Jawa Timur yang menerima aduan dari berbagai platform pemerintah, seperti LAPOR!, CETTAR, dan situs resmi. Pemahaman aduan secara manual memerlukan waktu lama, rentan kesalahan, serta menyulitkan identifikasi voice of customer secara konsisten. Untuk menjawab tantangan tersebut, penelitian ini mengintegrasikan Latent Dirichlet Allocation (LDA) untuk pemodelan topik dan Named Entity Recognition (NER) untuk mengekstraksi entitas kontekstual dari teks aduan. Tujuan penelitian ini adalah mengotomatisasi proses analisis aduan melalui pengelompokan topik yang representatif, sehingga dapat mendukung pemahaman aduan secara sistematis dan menjadi dasar pertimbangan dalam peningkatan kualitas layanan instansi. Pemodelan dibangun dan dievaluasi melalui beberapa percobaan dengan membandingkan tahap preprocessing data. Percobaan tersebut mencakup kombinasi antara non stemming dan stemming, baik dengan maupun tanpa NER. Dataset yang digunakan terdiri dari 1.583 data aduan masyarakat. Evaluasi menunjukkan bahwa model non stemming NER-LDA memberikan nilai koherensi tertinggi sebesar 0,7672 dan berhasil mengelompokkan aduan ke dalam tujuh topik utama yang merepresentasikan isu-isu dominan. Model terbaik ini kemudian diimplementasikan dalam sistem berbasis web menggunakan Streamlit, yang memudahkan visualisasi topik dan entitas secara interaktif. Penelitian ini menunjukkan bahwa integrasi LDA dan NER dapat menjadi solusi efektif untuk mempermudah pemahaman terhadap pola aduan masyarakat secara otomatis dan sistematis.