Kemajuan teknologi dan informasi saat ini membuat komunikasi semakin mudah, sehingga arus informasi dapat dengan cepat menyebar. Kemudahan tersebut juga membuat siapa saja dapat mengunggah apa pun di platform online seperti blog, komentar ke artikel berita, media sosial, dan lain-lain yang bisa mengakibatkan ambiguitas informasi atau bahkan menimbulkan misleading information. Fake news atau berita bohong merupakan informasi yang memuat hal-hal yang tidak pasti atau bukan fakta yang benar-benar terjadi. Salah satu topik berita yang populer saat ini yaitu mengenai virus covid-19. Pada penelitian ini, peneliti menguji performa model Multinomial Naïve Bayes dan Bernoulli Naïve Bayes dalam melakukan klasifikasi fake news terkait covid-19. Penelitian ini menggunakan Modified Enhanced Confix Stripping Stemmer dalam melakukan pembakuan kata berbahasa Indonesia yang memiliki beragam bentuk dan struktur imbuhan. Data berita yang digunakan berjumlah 305 data dan diambil dari beberapa situs berita online. Hasil evaluasi menunjukkan bahwa performansi model Bernoulli Naïve Bayes lebih unggul dibandingkan dari model Multinomial Naïve Bayes dengan perolehan nilai akurasi 91%, precision 0.93, recall 0.92, dan f-1 score 0.92. Selain itu, performa Algoritme Modified Enhanced Confix Stripping Stemmer (Modified ECS) juga sangat baik dalam melakukan pembakuan kata (stemming) berbahasa Indonesia.