Data kuisioner mahasiswa adalah cerminan dari tingkat kepuasan mahasiwa terhadap perguruan tinggi. Akan tetapi data kusioner mahasiswa dapat memungkinkan terjadi dimana suatu jawaban kuisioner mahasiswa mengandung ciri lebih dari satu topik atau yang disebut dengan multi-label. Penelitian ini mengklasifikasi topik kuisioner mahasiswa yang memiliki satu atau lebih kategori topik dalam satu kuisioner pada jawaban kuisioner mahasiswa dengan menggunakan metode multinomial naïve bayes untuk melakukan klasifikasi multi label dengan metode hamming loss sebagai pengukuran performa model klasifikasi tersebut. Penelitian ini menggunakan metode pendekatan Problem Transformation yaitu Binary Relevance (BR) dan Label Powerset (LP) untuk mengadaptasi multinomial naïve bayes dalam membangun sistem klasifikasi teks multi label. Hasil hamming loss yang dihasilkan dari penelitian ini sebesar 0,178 pada BR dan 0,121 pada LP. Berdasarkan hasil penelitian, metode multinomial naïve bayes dengan pendekatan Label powerset lebih baik dibandingkan dengan pendekatan Binary Relevance.