Berita sudah bisa dikatakan menjadi kebutuhan manusia. Suatu berita sebelum diterbitkan oleh suatu perusahaan perlu dilakukan kategorisasi terhadap berita sesuai dengan topiknya. Namun permasalahan lain ketika melakukan pengkategorian suatu berita yaitu dimana satu artikel berita bisa memiliki lebih dari satu label atau lebih dari satu kategori, kondisi ini disebut multi-label. Untuk mengatasi masalah ini dibuatlah sistem yang dapat melakukan klasifikasi multi-label menggunakan metode Probabilistic Neural Network. Data berupa teks akan dijadikan masukan dan dilakukan ekstraksi ciri menggunakan weighting TF-IDF untuk mendapatkan data berbentuk vektor. Dimana untuk mendapatkan akurasi yang maksimal dalam Probabilistic Neural Network harus memperhatikan parameter penghalus(sigma) dan akurasi yang didapat seber 79.54 % dengan parameter penghalusnya 0.3 dan jumlah hamming loss 0,20