Perpustakaan memiliki tugas utama dalam proses pengolahan bahan pustaka yaitu melakukan klasifikasi buku menurut cara-cara tertentu. Dewey Decimal Classification (DDC) merupakan metode yang paling banyak digunakan di dunia untuk menentukan klasifikasi buku (labelling) pada perpustakaan. Keunggulan metode DDC ini yaitu bersifat universal dan lebih sistematis. Namun metode ini kurang efisien mengingat banyaknya jumlah buku yang harus di klasifikasi pada sebuah perpustakaan, serta pelabelan yang harus diperbarui mengikuti perbaruan label pada DDC. Sistem klasifikasi otomatis akan menjadi solusi yang tepat untuk permasalahan ini. Klasifikasi otomatis dapat dilakukan dengan menerapkan metode text mining. Pada penelitian ini pemrosesan kata dalam judul buku dilakukan dengan N-Gram (Unigram, Bigram, Trigram) sebagai pembangkitan fitur. Fitur yang telah dibangkitkan kemudian dilakukan seleksi fitur. Proses klasifikasi judul buku dilakukan dengan menggunakan algoritma Multinomial Naïve Bayes. Penelitian ini menguji pengaruh Unigram, Bigram, Trigram pada klasifikasi judul buku dengan menggunakan ekstraksi fitur dan seleksi fitur pada algoritma Multinomial Naïve Bayes. Hasil akurasi klasifikasi menunjukan Unigram memiliki akurasi tertinggi sebesar 74,4%.