Jual beli secara daring merupakan aktivitas yang sudah menjadi hal yang biasa bagi masyarakat modern saat ini. Mulai dari usia muda hingga tua, 96% pengguna internet di Indonesia pernah menjelajahi web jual beli daring. Hal tersebut tentu karena peran teknologi yang membantu mempermudah aktivitas jual beli secara konvensional. Namun kemudahan tersebut belum didukung dengan sistem keamanan yang optimal. Masih banyak web jual beli daring membiarkan produk tertentu yang proses jual beli nya perlu dibatasi bahkan dilarang, karena beresiko mendukung tindak kriminalitas, Dsb. Namun tetap dapat tampil begitu saja pada berbagai web tersebut. Sehingga sebuah sistem klasifikasi teks yang dapat mengklasifikasikan data teks dari produk terlarang akan dapat menjadi salah satu opsi solusi dari permasalahan tersebut. Sistem klasifikasi teks yang merupakan bagian dari bidang penambangan kata, disusun oleh suatu model klasifikasi. Model klasifikasi dengan performa yang baik akan menghasilkan sistem klasifikasi yang baik pula. Penelitian ini membangun model klasifikasi dengan menguji 3 jenis pendekatan yaitu; pendekatan pengetahuan dengan kamus leksikon, pendekatan machine learning dengan algoritma Support Vector Machine (SVM), dan pendekatan gabungan dari keduanya (Hybrid) sehingga dapat menghasilkan suatu model dengan performa akurasi terbaik dalam klasifikasi teks produk. Dengan menggunakan 300 dataset produk didapatkan hasil akurasi terbaik mencapai 76,64%, recall sebesar 77%, dan presisi sebesar 78%. Setelah model klasifiksi dibuat, penelitian ini juga akan merancang sistem klasifikasi berbasis web. Sehingga sistem klasifikasi safety product dapat dibangun hingga diluncurkan dan dapat memberikan prediksi terhadap masukan teks dari pengunjung secara dinamis.