EDOM (Evaluasi Dosen Oleh Mahasiswa) merupakan Umpan balik mahasiswa untuk menilai kinerja dosen dalam proses pembelajaran. Data EDOM terdiri dari dua jenis yaitu data kuantitatif dan kualitatif . pada umumnya, data kuantitatif berisi pertanyaan tertutup dengan jawaban pilihan ganda, sedangkan data kualitatif berisi pertanyaan terbuka dengan jawaban esai. Data edom ini bermanfaat untuk memberikan suatu penilaian terhadap dosen pengajar agar dapat memberikan pembelajaran yang lebih baik lagi. Pada penelitian ini dilakukan analisis aspect-based opinion mining dengan menggunakan data EDOM igracias Universitas Telkom dengan menggunakan metode Support Vektor Machine, Random Forest, Naïve Bayes, dan Learning Regression. Beberapa skenario diterapkan untuk mendapatkan classifier terbaik, fitur terbaik, serta preprocessing terbaik. Hasil terbaik didapatkan menggunakan classifier Support Vector Machine dengan fitur Term Frequency-Inverse Document Frequency (TF-IDF) menggunakan teknik preprocessing tanpa menggunakan stopword removal. Hasil classifier dengan menggunakan metode Support Vector Machine memiliki hasil performance sebesar 85,32% dan kernel terbaik RBF dengan hasil akurasi sebesar 85,3% dan parameter terbaik merupakan parameter regulasi (c) terbaik.