Universitas Telkom Kampus Surabaya secara rutin mengumpulkan kritik dan saran mahasiswa untuk meningkatkan kualitas layanan. Namun, dalam penerapannya masih terdapat beberapa kendala, yaitu data yang dikumpulkan masih bersifat universal dan belum dikategorikan ke unit tertentu, beberapa kritik dan saran yang sering kali ditujukan tidak hanya pada satu unit tertentu sehingga dilakukan pengklasifikasian data terhadap beberapa unit secara manual yang membutuhkan waktu dan tenaga ekstra. Oleh karena itu, penelitian ini mengembangkan sistem klasifikasi multi-label untuk kritik dan saran mahasiswa menggunakan metode Support Vector Machine (SVM) dengan pendekatan Binary Relevance yang dapat secara otomatis mengategorikan kritik dan saran mahasiswa ke dalam satu atau beberapa kategori yang relevan. Data yang digunakan merupakan kritik dan saran mahasiswa dari tahun 2020 hingga 2023. Data diproses melalui tahap pre-processing dan kemudian digunakan Problem Transformati