Penelitian akan keabsahan data hadits merupakan salah satu bagian penting dalam studi hadits. Jumlah data hadith yang besar, disertai dengan perbedaan standar dari tiap ulama membuat studi akan keabsahan hadits masih berlanjut. Sistem otomasi dinilai dapat membantu ulama sekarang dalam memproses data hadits dalam jumlah besar, dan membantu mempertimbangkan keabsahan hadits yang masih diperdebatkan oleh ulama terdahulu. Pada penelitian ini, representasi data penutur hadits ke dalam bentuk n-gram, yang secara sederhana dapat menggambarkan urutan dan kelengkapan sanad hadits, diduga dapat membantu sistem otomasi berbasis machine learning. Dilakukan percobaan dengan menggunakan sistem klasifikasi keabsahan sanad hadits dengan basis machine learning yang mengklasifikasikan data ke dalam kelas shahih, hasan, dan dhaif, dengan memanfaatkan tiga metode machine learning sebagai metode klasifikasi, yaitu Naïve Bayes, SVM dan Decision Tree, dengan memanfaatkan fitur n-gram untuk pendukung pemrosesan data. Dari percobaan tersebut, ditemukan bahwa fitur n-gram memiliki pengaruh yang bervariasi terhadap masing-masing metode machine learning, dengan program dengan metode SVM dengan fitur monogram memiliki rata-rata akurasi tertinggi dengan nilai 0,62 dan dengan akurasi tertinggi 0,64.