Tugas Akhir (TA) merupakan salah satu syarat yang harus dipenuhi dalam menyelesaikan pendidikan di perguruan tinggi. Abstrak merupakan bagian sistematika penulisan karya tulis ilmiah yang menjelaskan secara singkat tentang latar belakang, metode, hasil dan kesimpulan. Klasifikasi TA dibutuhkan untuk memberikan struktur yang jelas, memastikan standard dan konsistensi akademik, meningkatkan relevansi suatu penelitian dan memberikan kemudahan bagi mahasiswa dalam menemukan referensi yang sesuai. Namun, klasifikasi TA sering kali tidak mempertimbangkan kompleksitas bidang keahlian yang tumpang tindih sehingga menyebabkan kurangnya ketepatan dalam pengelompokannya. Klasifikasi TA berdasarkan bidang minat sering kali mengkategorikan TA kedalam 1 label saja padahal dalam konteks TA bisa mencakup lebih dari 1 bidang minat. Oleh karena itu penelitian ini dilakukan untuk membuat model klasifikasi multi-label yang dapat mengkategorikan TA secara otomatis kedalam beberapa kategori. Terdapat 3 kategori yang digunakan yaitu, Ilmuwan data, Rekayasa Perangkat Lunak, dan Jaringan Komunikasi Data. Algoritma yang digunakan adalah Support Vector Machine (SVM) dengan pendekatan Binary Relevance. Hasil penelitian menunjukkan performa terbaik diperoleh dengan menggunakan nilai parameter C = 0.001 dengan nilai hamming loss 0.0303, Micro F1 sebesar 96,5% dan Macro F1 sebesar 94,4%.