Dosen memegang peranan krusial dalam membentuk lingkungan belajar. Oleh karena itu, evaluasi dosen menjadi aspek penting dalam upaya meningkatkan kualitas kampus. Data dari kolom kritik dan saran pada kuisioner evaluasi dosen dapat dilakukan analisis sentimen untuk mengetahui teks tersebut memiliki nilai positif atau negatif. Analisis sentimen adalah teknik dalam pemrosesan bahasa alami yang bertujuan untuk mengidentifikasi dan mengekstrak sentimen atau opini dari teks. Sentimen termasuk jenis data teks tidak terstruktur, sehingga untuk dapat diproses, teks tersebut harus diubah menjadi data terstruktur dengan proses ekstraksi fitur. Ekstraksi fitur yang umum digunakan adalah TF-IDF dan Word2Vec. Penelitian ini bertujuan untuk membandingkan metode ekstraksi fitur, yaitu TF-IDF dan Word2Vec menggunakan metode Logistic Regression. Dataset yang digunakan adalah kolom kritik dan saran dari kuisioner evaluasi dosen sebanyak 2000 data yang terbagi menjadi kelas positif dan negatif. Penelitian ini melakukan uji coba dengan rasio pembagian data 70%, 80%, 90%, 100% sebagai data latih dan 30%, 20%, 10%, 20 data uji. Pada data latih diterapkan SMOTE untuk menangani ketidakseimbangan kelas. Kemudian dilakukan klasifikasi dengan metode Logistic Regression. Hasil dari penelitian ini yaitu ekstraksi fitur TF-IDF tanpa menggunakan stopword menunjukkan kinerja yang sangat baik dengan accuracy 98%, 99%, 98% dan 90%. Sedangkan ekstraksi fitur Word2Vec tanpa stopword mendapatkan nilai akurasi yang lebih rendah yaitu 87%, 89%, 90%, dan 90%.