Anak-anak dengan disleksia sering mengalami kesulitan dalam memahami teks bacaan yang kompleks, sehingga diperlukan sistem yang mampu menyederhanakan teks sesuai dengan kebutuhan mereka. Penelitian ini bertujuan untuk mengklasifikasikan tipe penyederhanaan teks bacaan bagi anak disleksia ke dalam dua kategori utama, yaitu leksikal dan sintaksis, dengan menerapkan algoritma Multinomial Naïve Bayes. Sebelum klasifikasi dilakukan, teks terlebih dahulu disederhanakan menggunakan metode berbasis aturan, yaitu teknik Phrase Matcher untuk mengganti kata atau frasa sulit dengan padanan yang lebih mudah dipahami, serta proses stemming untuk mengubah kata berimbuhan menjadi bentuk dasar. Teks yang telah disederhanakan kemudian diubah menjadi representasi numerik menggunakan vektorisasi TF-IDF, dan diklasifikasikan ke dalam tipe penyederhanaan menggunakan model Multinomial Naïve Bayes. Hasil evaluasi menunjukkan bahwa model mampu mengklasifikasikan dengan akurasi sebesar 90.09%. Pendekatan ini diharapkan dapat membantu guru atau pendidik dalam menyediakan materi bacaan yang lebih mudah dipahami secara efektif dan inklusif bagi anak-anak dengan disleksia.
Kata kunci: Naïve Bayes, klasifikasi, Penyederhanaan Teks, Anak Disleksia, Phrase Matcher, Stemming.