Hadis merupakan sumber hukum Islam kedua setelah Al-Quran sehingga menjadikan hadis penting untuk dipelajari. Namun dalam mempelajari hadis, terdapat kesulitan untuk menentukan hadis apa saja yang tergolong ke dalam topik anjuran, larangan, dan informasi. Hal ini tentu menjadi kendala, khususnya bagi umat Islam, dalam mempelajari hadis . Oleh karena itu, perlu dilakukannya klasifikasi hadis ke dalam topik anjuran, larangan, dan informasi, atau gabungan dari ketiganya yang disebut sebagai klasifikasi topik multi label. Klasifikasi dapat dilakukan dengan metode K-Nearest Neighbor yang merupakan salah satu metode terbaik dalam Vector Space Model dan merupakan metode paling sederhana namun cukup efektif. Namun KNN memiliki kekurangan dalam menghadapi dimensi vektor yang tinggi, sehingga menyebabkan waktu komputasi klasifikasi yang tinggi pula. Hal ini mendasari dilakukannya klasifikasi Hadis Shahih Bukhari ke dalam topik anjuran, larangan, dan informasi menggunakan metode Latent Semantic Analysis - K-Nearest Neighbor (LSA-KNN) dalam mengatasi kekurangan KNN. Penggunaan metode Binary Relevance juga dilakukan pada penelitian ini untuk memproses multi label data. Penelitian ini menghasilkan performansi LSA-KNN sebesar 90.28% dengan waktu komputasi sebesar 19 menit 21 detik dan performansi KNN sebesar 90.23% dengan waktu komputasi sebesar 37 menit 06 detik, sehingga menunjukkan bahwa metode LSA-KNN memiliki kinerja yang lebih baik dibandingkan dengan KNN.