Media sosial adalah sarana tempat untuk berkomunikasi dan bertukar informasi sesama manusia, dan
salah satu media sosial yang digunakan adalah Twitter. Ada beberapa informasi yang kita dapatkan belum tentu benar adanya, ada berita yang kurang tepat ataupun tidak tepat kebenarannya bisa disebut berita rumor. Berita rumor sudah sangat sering kita lihat dimedia sosial, banyak sekali pihak yang dirugikan dengan adanya berita rumor. Pada penelitian tugas akhir ini, penulis membangun sistem untuk mendeteksi berita rumor pada twitter. Diperlukan nilai bobot pada tweet yang diambil dari berita rumor yang disebarkan oleh beberapa orang di Twitter, Term Frequency Inverse Document Frequency (TF-IDF)
pembobotan yang digunakan penulis dalam penelitian ini dengan fitur ekstraksi TF-IDF N-gram.
Klasifikasi data menggunakan metode Naïve bayes Multinomial untuk memprediksi hasil akurasi dari
penelitian ini. Hasil performansi yang diperoleh menggunakan TF-IDFdalam pengujian sebesar 78,53%
dengan data uji sebesar 10%. Sedangkan untuk klasifikasi tanpa menggunakan TF-IDF sebesar 77,98%
dengan data uji sebesar 10%.