Evaluasi Dosen oleh Mahasiswa (EDOM) menjadi salah satu indikator penting dalam menilai kualitas pengajaran dosen berdasarkan umpan balik dari mahasiswa. Namun, proses klasifikasi komentar mahasiswa dalam EDOM masih dilakukan secara manual, sehingga kurang efisien. Penelitian ini bertujuan mengimplementasikan metode K-Nearest Neighbors (KNN) untuk melakukan klasifikasi otomatis terhadap sentimen komentar mahasiswa. Proses diawali dengan pengambilan data komentar melalui sistem Igracias Telkom University, kemudian dilanjutkan dengan tahapan pre-processing seperti case folding, pembersihan data, tokenisasi, penghapusan stopword, dan stemming. Data teks yang telah diproses kemudian diubah menjadi representasi numerik menggunakan metode TF-IDF. Hasilnya diklasifikasikan ke dalam tiga kategori sentimen: positif, negatif, dan netral menggunakan algoritma KNN. Evaluasi performa dilakukan menggunakan confusion matrix, dan hasil klasifikasi divisualisasikan dalam bentuk mock-up dashboard EDOM. Hasil penelitian menunjukkan bahwa KNN mampu melakukan klasifikasi komentar secara efektif dalam konteks analisis sentimen.
Kata Kunci: Analisis Sentimen, Evaluasi Dosen, K-Nearest Neighbors, TF-IDF