Penelitian ini membahas penerapan algoritma K-K-Nearest Neighbor (KNN) dalam klasifikasi judul tugas akhir mahasiswa. Dataset yang digunakan terdiri dari 1000 tweet yang diperoleh melalui proses crawling menggunakan PHP. Proses pspreprocessing meliputi casefolding dan stopwords removal. Setelah ph preprocessing, dilakukan pembobotan katamenggunakan metode Term FrequencyInverse Document Frequency (TF-IDF). Data kemudian dibagi menjadi data latih dan data uji dengan perbandingan 80:20. Algoritma KNN diterapkan untuk mengklasifikasikan data berdasarkan bobot kata yang telah dihitung. Hasil evaluasi menunjukkan tingkat akurasi yang cukup tinggi, membuktikan bahwa KNN efektif dalam klasifikasi sentimen tweet. Penelitian ini memberikan kontribusi dalam bidang text mining dan analisis sentimen, khususnya dalam penggunaan algoritma KNN untuk data teks dalam bahasa Indonesia.