Penelitian ini melakukan penyaringan materi berbahaya pada dokumen web dengan memanfaatkan fitur-fitur seperti isi dokumen, judul, url, teks anchors, dan elemen title. Penyaringan informasi dilakukan dengan menggunakan dua algoritma yaitu Naïve Bayes dan K-Nearest Neighbours. Dokumen web yang digunakan memiliki dua kategori berbahaya yaitu kategori seksual dan kekerasan, dan ditulis dalam bahasa Indonesia. Penelitian ini bertujuan mencari pendekatan terbaik dalam penyaringan materi berbahaya. Penelitian ini menggunakan dua jenis data pengujian yang digunakan yakni data ambigu, yaitu dokumen tidak berbahaya yang menyerupai dokumen berbahaya, dan data umum. Berdasarkan hasil yang didapat, pendekatan Naïve Bayes menggunakan teks anchors merupakan pendekatan terbaik dengan rata-rata akurasi 96.2% dalam menangani data ambigu, serta menghasilkan akurasi 99.61% dalam menangani data umum. Berdasarkan hasil penelitian yang diperoleh, fitur teks anchors merupakan fitur terbaik karena menghasilkan akurasi tertinggi pada penanganan data umum dan data ambigu sehingga. Dari sisi algoritma, K-Nearest Neighbours lebih unggul dalam mengidentifikasi dokumen berbahaya.