Perkembangan teknologi informasi dan komunikasi memang cukup menakjubkan. Kecenderungan seseorang untuk mengakses informasi khususnya berita melalui dunia maya pun menjadi semakkin tinggi. Informasi merupakan hal yang sangat terpenting dalam kehidupan bermasyarakat. Salah satu sumber informasi adalah Web Solusiana. Ada sekitar 30 sampai 50 artikel artikel berita dalam satu bulan dan juga ada banyak kategori artikel atau kanal atau rubric pada web Solusiana, membuat kinerja editor semakin banyak karena di sini seorang editor harus dapat mengedit artikel berita berbagai kanal dan sekaligus harus mengkategorikan artikel satu persatu secara manual ke dalam kategori yang ditentukan. Oleh karena itu dalam penelitian kali ini akan dirancang sistem klasifikasi yang dapat mengelompokkan artikel berita menggunakan metode text-mining dan naive bayes classifier (NBC). Klasifikasi ditekankan pada artikel berita berbahasa indonesia. Artikel berita ini akan dikelompokkan ke dalam 4 kanal yaitu aplikasi smartphone, tips Smartphone, smartwatch, tips android. Pada sistem klasifikasi ini menggunakan proses pembelajaran dan untuk proses keterkaitan antar data artikel diukur berdasarkan nilai probabilitas dari data dan kata yang ada.