Zaman ini perkembangan informasi semakin pesat termasuk perkembangan pada data yaitu data teks. Teks merupakan data berbahasa alami yang tidak terstruktur. Seiring berjalannya waktu data teks semakin banyak, dengan itu maka dilakukan pemanfaatan pada data teks , salah satu nya pemanfaatan untuk menentukan komponen argumen pada teks. Argumen sendiri sering kali ditemukan diberbagai data teks, contohnya pada berita, essai, debat online. Dengan mendeteksi secara otomatis komponen argumen pada teks, dapat diketahui bahwa sebuah teks tersebut mengandung unsur argumen atau tidak, yang itu berguna untuk pencarian dan pegolahan informasi. Solusi dari permasalahan teks tersebut adalah dengan membangun sebuah model sistem yaitu naive bayes classifer yang akan mengklasifikasikan komponen argumen pada teks, yaitu komponen claim atau komponen premise. Claim dan premise tersebut dibutuhkan untuk pembentukan sebuah argumen. Dengan dibangunnya model classifier, evaluasi yang dilakukan pada hasil klasifikasi menggunakan preprocessing, lalu ekstraksi fitur lexical dan contextual. Hasil paling optimal pada penelitian ini adalah penggunaan fitur lexical dan contextual dan tanpa menggunakan laplace smoothing yang mendapatkan tingkat akurasi 66.84% dan f1 score 79.45%.