Penyebaran informasi melalui internet yang cukup pesat , Tidak hanya dampak positif, internet juga memberikan dampak negatif, salah satunya adalah mudahnya dalam menemukan informasi yang mengandung hal negatif seperti pornografi. Hal tersebut dapat ditanggulangi dengan penelitian mengenai klasifikasi teks pornografi berbasis machine learning menggunakan metode Naive Bayes. Naïve Bayes merupakan pengklasifikasi probalistik yang dimana menghitung sekumpulan probabilitas berdasarkan dengan jumlah frekuensi dan kombinasi setiap nilai dari dataset yang diberikan. Dengan adanya Naïve Bayes, diharapkan dapat melakukan klasifikasi teks judul cerita yang mnagndug pornografi yang sudah didownload melalui laman web. Jenis data yang digunakan berupa judul cerita pornografi yang sudah didownload melalui situs porno. Ada 100 dataset judul cerita yang di gunakan.Tahapan-tahapan dalam melakukan klasifikasi menggunakan Algoritma Naive Bayes Classifier antara lain, Preprocessing, pembobotan TF-IDF, klasifikasi Naive Bayes, dan pengujian menggunakan Classification Accuration, Precision, dan Recall. Hasil dari pengujian ini dengan menggunakan metode Data Splitting yang diujikan menjadi 5 perbandingan dengan nilai TF-IDF dengan setiap Level Akurasi, Presisi, dan Recall hingga 76,44%, 82,43%, 73,43%. Terlebih lagi, karakterisasi tanpa menggunakan esteem TF-IDF masing-masing mendapatkan esteem Accuration, Precision, Recall hingga 97%, 96%, dan 93%. Akhirnya adalah bahwa teknik Naïve Bayes tanpa TFIDF menciptakan eksekusi yang lebih disukai daripada TF-IDF.