Sepeda motor memegang peranan penting dalam kehidupan masyarakat, dimana sepeda motor menjadi salah satu moda transportasi yang digunakan dalam banyak kegiatan masyarakat di Indonesia. Aktivitas masyarakat dalam menggunakan sepeda motor selalu meningkat dari waktu ke waktu. Terjadinya gangguan mesin sepeda motor dapat berdampak pada kegiatan masyarakat khususnya pada perekonomian masyarakat. Padahal gangguan pada mesin dapat terjadi kapan saja, dan dibutuhkan tindakan preventif. Oleh karena itu, diperlukan suatu sistem yang dapat menanggulangi dan mencegah gangguan pada mesin sepeda motor tersebut. Klasifikasi pertanyaan dapat menjadi solusi alternatif untuk menanggulangi gangguan pada sepeda motor, dengan klasifikasi pertanyaan yang baik, banyak hal yang dapat dikembangkan, baik sistem hingga aplikasi ponsel. Berdasarkan penelitian, Klasifikasi teks yang menggunakan Naïve Bayes dan SVM akan menghasilkan akurasi yang baik pada saat stemming. Ekstraksi fitur dilakukan dengan menggunakan N-gram dan term frequency – inverse document frequency (TF-IDF). Hasil dari percobaan yang dilakukan adalah akurasi 90% untuk Naïve Bayes dan 91% untuk SVM, dan nilai f-measure 90% untuk naïve bayes dan 91% untuk SVM dengan ekstraksi fitur unigram+bigram+trigram.