Twitter merupakan media sosial populer yang digunakan oleh masyarakat di seluruh dunia dan menjadi media sosial pertama dan tercepat dalam hal penyebaran berita. Pada tahun 2019, jumlah pengguna Twitter mencapai 134 juta pengguna aktif setiap harinya. Berita yang tersebar dengan cepat, tanpa ada supervisi, meningkatkan jumlah penyebaran berita atau isu yang belum tentu benar adanya, yang disebut dengan rumor. Penyebaran rumor dengan cepat dapat menyebabkan opini publik menjadi salah arah. Oleh karena itu, dibangun sistem untuk melakukan klasifikasi terhadap tweet ke dalam dua kelas, yaitu rumor dan non rumor. Metode yang digunakan pada penelitian ini untuk melakukan klasifikasi yaitu Logistic Regression, sebuah metode klasifikasi yang cukup populer untuk permasalahan biner. Sebelum dilakukan klasifikasi, tweet yang diambil harus melewati pre-processing. Feature Extraction yang digunakan dalam metode ini adalah TF-IDF (Term Frequency – Inverse Document Frequency). Untuk meningkatkan performa Logistic Regression, digunakan juga Grid Search untuk mencari Hyperparameter terbaik. Dari hasil pengujian yang dilakukan, data uji sebesar 10% dengan kombinasi Fitur TFIDF Unigram, Bigram, Trigram dan Fitur Twitter setelah optimalisasi Hyperparameter menghasilkan nilai akurasi tes sebesar 72,03% dan akurasi train sebesar 77,60%.