Kritik dan saran merupakan sebuah pendukung  dari perkembangan suatu instansi. Kritik dan saran dapat menjadi ide ataupun informasi tentang kelemahan yang ada pada instansi tersebut. Semakin bertambahnya kritik dan saran terhadap suatu instansi tersebut dibutuhkan pengklasifikasian terhadap kritik dan saran berdasarkan topik yang dibahas sehingga perbaikan dan perkembangan dapat lebih cepat dilaksanakan. Pada penelitian ini digunakan metode Fuzzy k-Nearest Neighbour yang merupakan gabungan dari logika Fuzzy dan k-NN. Pada pengklasifikasian kritik dan saran ini, data uji yang akan diklasifikasi akan diberikan nilai keanggotaan untuk tiap kelas berdasarkan sejumlah k dokumen dengan nilai kemiripan atau nilai jarak yang tertinggi. Proses klasifikasi dilakukan dengan memilih nilai keanggotaan kelas tertinggi pada data uji tersebut. Pada penelitian ini dilakukan pengujian 50 data uji terhadap penggunaan data latih sebanyak 50, 75, 100, 125, 150, dan 175 data dan didapatkan hasil nilai f-measure paling tinggi yaitu 0,50455 pada penggunaan data latih 175 data dengan nilai k = 2. Pengujian metode pencarian jarak membandingkan antara metode cosine similarity dan eulidean distance, diperoleh hasil nilai f-measure pada penggunaan metode cosine similarity lebih baik dibandingkan metode euclidean distance.