Keluhan mahasiswa Telkom University yang disampaikan melalui akun Telyufess di media sosial X belum dimanfaatkan secara optimal sebagai masukan evaluasi layanan kampus. Penelitian ini dilakukan untuk mengklasifikasikan tweet pada akun Telyufess, platform keluhan mahasiswa Telkom University, menjadi dua kategori: bidang (berkaitan dengan unit/bidang rektorat seperti akademik, keuangan, dan layanan kampus) dan non-bidang (keluhan umum yang tidak terkait unit resmi). Permasalahan yang diangkat adalah perlunya pemetaan keluhan mahasiswa secara otomatis agar dapat dimanfaatkan sebagai bahan evaluasi layanan kampus. Metode klasifikasi yang digunakan adalah Naïve Bayes, dengan tahapan labelling manual oleh peneliti dan asisten annotator (dilakukan validasi inter-rater untuk konsistensi), preprocessing teks (normalisasi dengan kamus baku dan library Sastrawi, penghapusan karakter khusus, stop word berbasis daftar standar Bahasa Indonesia dan tambahan kata khusus “telyu!”), tokenisasi, stemming, pembobotan TF-IDF, dan pembagian data dengan rasio 65:35, 70:30, 80:20, dan 90:10. Sebanyak 1.090 tweet dikumpulkan (1 Januari 2023 – 1 Januari 2025) melalui crawling menggunakan Tweet Harvest API, dengan kriteria tweet berupa keluhan, opini, dan saran (retweet diabaikan). Akurasi tertinggi diperoleh 87,27% pada rasio 90:10, diikuti 84,93% (80:20), 81,10% (70:30), dan 79,32% (65:35). Hasil menunjukkan Naïve Bayes efektif, meskipun model mengalami overfitting (evaluasi data latih >99%). Dilakukan juga visualisasi pada hasil evaluasi untuk memudahkan pihak rektorat Telkom University mengidentifikasi masalah yang sering dikeluhkan.