Saat ini ada fasilitas untuk menyampaikan keluhan dan masukan pada Universitas Telkom. Namun karena banyak pengguna aplikasi seperti mahasiswa/i yang belum mengetahui secara rinci struktur organisasi pada Universitas Telkom hal tersebut sering terjadi kesalahan sasaran dalam memasukkan keluhan dan masukan pada iGracias yang menyebabkan waktu respon dan penyelesaian menjadi terkendala dikarenakan banyak yang tidak paham akan unit yang dituju.
Untuk menyelesaikan permasalahan tersebut maka, dibuat aplikasi handling complaint berbasis web menggunakan text mining untuk mendapatkan informasi dari teks yang masuk ke dalam database lalu diklasifikasikan menggunakan metode K-NEAREST NEIGHBOR untuk mengklasifikasikan keluhan yang masuk agar tepat sasaran. sehingga keluhan yang ada akan dikirim ke unit yang dituju secara langsung dan ke unit yang tepat. Dengan adanya aplikasi ini diharapkan akan membantu bagian audit dari Universitas Telkom dalam mengatasi keluhan dan masukan yang ada serta aplikasi mudah untuk digunakan oleh mahasiswa/i.
K-Nearest Neighbor (KNN) adalah salah satu algoritma pembelajaran mesin paling sederhana. Algoritma ini tujuannya adalah untuk mengklasifikasikan objek ke dalam salah satu kelas yang telah ditentukan Hasil akhir dari tugas akhir ini bahwa algoritma K-Nearest Neighbor (KNN) mendapatkan hasil training model sebesar 90% dan data test sebesar 10% KNN nantinya dapat mengenali per kata yang telah berhasil di input oleh pengguna sehingga menghasilkan tingkat akurasi sebesar 78%.
Kata Kunci: : Aplikasi Web, Handling Complaint, K- Nearest Neighbor, Text Mining.