Indonesia merupakan salah satu negara yang memiliki banyak pengguna media sosial, konsumsi media sosial yang tinggi tanpa dibarengi dengan sikap kritis dalam melakukan filter informasi yang didapat membuat berita hoax menjadi semakin mudah tersebarluaskan. Hoax merupakan berita yang disebarkan dengan tujuan agar publik mempercayai hal yang tidak diketahui kebenarannya. Hoax dapat menimbulkan adanya kecemasan dan permusuhan bagi pihak yang terpapar. Pada penelitian tugas akhir ini, dibangun sistem klasifikasi berita hoax di twitter dengan menggunakan metode naive bayes multinomial yang dikombinasikan menggunakan pembobotan TF-IDF serta penggunaan seleksi fitur information gain. Hasil akhir pengujian menunjukkan bahwa penggunaan information gain pada klasifikasi hoax ini dapat mengurangi nilai overfitting dari akurasi. Hasil akurasi terbaik yang didapat dari penelitian ini adalah sebesar 79,87% dengan menggunakan klasifikasi Naive Bayes Multinomial, pembobotan TD-IDF, dan tanpa penggunaan seleksi fitur Information Gain.
Kata kunci : hoax, twitter, TF-IDF, information gain, naive bayes multinomial