Aliran berita melalui media internet setiap harinya cenderung meningkat. Peningkatan jumlah informasi berita yang cukup besar dan kurang teratur dapat menimbulkan masalah yaitu sulitnya untuk diketemukan kembali. Masalah ini dapat diatasi dengan proses pembacaan data oleh mesin komputer untuk ditarik kesimpulan dari isi atikel tersebut. Dalam ilm komputer kegiatan ini disebut knowledge discovery. Dalam penelitian ini diterapkan proses text mining untuk klasifikasi artikel berita dengan metode klasifikasi yaitu Naive Bayes Classifer. Penelitian bertujuan : (1) memodelkan sistem klasifikasi artikel berita (2) mengembangkan rancang bangun sistem klasifikasi sistem berita (3) menguji tingkat efektivitas sistem klasifikasi yang dibuat. Data penelitian sebanyak 900 dokumen diambil dari situs KOMPAS, terbagi dalam 9 kategori berita. Masing-masing kategori berita diuji dengan sekitar 100 dokumen. Pengujian sistem dilakukan dengan dua kelompok data, yaitu data latih dan data uji. Penghitungan efektivitas naive bayes classifier dilakukan dengan kombinasi jumlah dokumen latih dan dokumen uji. Kombinasi dokumen latih dan uji. Perhitungan efetivitas aive bayes classifier dilakukan dengan kombinasi jumlah dokumen latih dan dokumen uji. Kombinasi dokumen latih dan dokumen uji adalag 5:95, 10:90, 15:85, 20:80, 25:75 dan 30:70. Perhitungan persentase dokumen latih terhadap dokumen uji adalah 5%, 10%, 15%, 20%, 25% dan 30%.