Umpan balik mahasiswa merupakan salah satu indikator penting dalam mengevaluasi dan meningkatkan kualitas pembelajaran di perguruan tinggi. Di Politeknik Caltex Riau, survei pembelajaran telah dilakukan melalui website BP3M, namun proses pengolahan komentar mahasiswa masih dilakukan secara manual sehingga membutuhkan waktu yang lama dan kurang efisien. Penelitian ini bertujuan untuk merancang dan mengimplementasikan pipeline big data yang mampu mengotomatisasi proses pengolahan data survei, mulai dari ekstraksi data, preprocessing, analisis sentimen, penyimpanan data, hingga visualisasi hasil. Analisis sentimen dilakukan menggunakan algoritma Support Vector Machine (SVM) terhadap data komentar mahasiswa berbahasa Indonesia yang telah melalui tahapan pembersihan data, tokenisasi, stopword removal menggunakan Sastrawi, dan pembobotan TF-IDF. Pipeline dibangun menggunakan Python, MongoDB sebagai basis data NoSQL, serta Power BI yang diintegrasikan ke dalam website sebagai media visualisasi dashboard. Hasil penelitian menunjukkan bahwa model SVM mampu mengklasifikasikan sentimen dengan akurasi sebesar 89,25%, dengan performa terbaik pada kelas positif yang memperoleh precision 95%, recall 93%, dan F1-score 94%. Pengujian end-to-end menunjukkan bahwa seluruh tahapan pipeline, mulai dari proses unggah data, preprocessing, analisis sentimen, penyimpanan ke MongoDB, hingga visualisasi dashboard, berhasil berjalan secara otomatis dan terintegrasi dengan tingkat keberhasilan 100%. Selain itu, hasil visualisasi dapat ditampilkan dengan baik melalui dashboard Power BI pada website sehingga memudahkan BP3M dalam memantau distribusi sentimen dan mengevaluasi kualitas pembelajaran. Berdasarkan pengujian User Acceptance Test (UAT), sistem memperoleh tingkat kepuasan pengguna sebesar 83,33%, yang menunjukkan bahwa sistem mudah digunakan, informatif, dan mampu mendukung proses pengambilan keputusan berbasis data.