Tingginya volume aduan lalu lintas dari masyarakat Kota Surabaya melalui akun layanan publik @e100ss di platform X (sebelumnya Twitter) menunjukkan perlunya sistem klasifikasi otomatis yang mampu mengelompokkan aduan berdasarkan konteks permasalahan. Digunakan pendekatan BERTopic yang mengombinasikan embedding berbasis transformer, reduksi dimensi UMAP, dan algoritma HDBSCAN dalam membentuk klaster topik. Dari 42.251 cuitan yang dikumpulkan, diperoleh 3.808 aduan lalu lintas valid setelah pelabelan dan penyaringan. Data diproses melalui tahapan pembersihan teks, normalisasi kata tidak baku, dan penghapusan elemen noninformasi agar siap digunakan dalam pemodelan. Eksperimen menunjukkan konfigurasi terbaik berada pada parameter nneighbors = 3, minclustersize = 5, dan nrtopics = 7, menghasilkan skor koherensi C_NPMI sebesar 0,5040. Sebanyak 68,88% aduan berhasil diklasifikasikan ke dalam tujuh topik utama, sementara 31,12% sisanya tergolong outlier. Topik dominan berkaitan dengan kemacetan dan kecelakaan di jalan raya, disusul isu lokal seperti banjir, kehilangan kendaraan, hingga pohon tumbang. Hasil pemodelan kemudian diimplementasikan ke dalam aplikasi web interaktif berbasis Streamlit, yang memungkinkan pengguna memasukkan teks aduan dan mendapatkan klasifikasi topik secara otomatis beserta visualisasi tren dan frekuensi topik. Pendekatan ini menunjukkan efektivitas BERTopic dalam memahami dan mengelompokkan data teks pendek yang tidak terstruktur, serta potensial untuk diterapkan sebagai alat bantu analisis isu lalu lintas secara real-time.
Kata Kunci:. BERTopic, Aduan Lalu Lintas, Pemodelan Topik, Surabaya, Aplikasi Web