Abstrak— Hadis merupakan sumber hukum kedua bagi umat
muslim yang setelah Al-Qur`an yang mana berasal dari berbagai
bentuk ucapan, tindakan, dan ketetapan Nabi Muhammad SAW
atau disebut sebagai sunnah-nya. Untuk mempermudah umat
muslim dalam menerapkan ajaran yang ada pada hadis,
diperlukan sebuah sistem klasifikasi yang dapat mengkategorikan
suatu hadis kedalam suatu kelas ataupun gabungan dari dua
diantara ketiga kelas atau disebut dengan klasifkasi multi label.
Pada pembangunan sistem klasifikasi teks, terdapat berbagai
teknik klasifikasi salah satunya yaitu k-Nearest Neighbor (KNN).
KNN merupakan suatu metode klasifikasi yang sederhana dan
efektif untuk klasifkasi teks, namun memiliki kelemahan dalam
memproses data dengan dimensi vektor yang tinggi sehingga
menyebabkan waktu komputasi menjadi lebih tinggi dan efisiensi
dari klasifikasi teks sangat rendah. Mutual Information (MI)
digunakan sebagai metode feature selection untuk mereduksi
dimensi vektor karena memiliki kemampuan untuk menunjukan
seberapa berpengaruh suatu fitur dalam melakukan prediksi yang
tepat terhadap suatu kelas. Pada penelitian ini, Problem

Transformation Method dengan pendekatan Binary Relevance
(BR) digunakan agar proses klasifikasi multi label dapat
dilakukan. Hasil optimum yang didapat pada penelitian ini
menunjukan nilai hamming loss sebesar 0.0886 atau sekitar
91.14% data yang terklasifikasi dengan benar dan waktu
komputasi selama 595 detik dengan menggunakan MI sebagai
feature selection, namun tanpa stemming.