Pengguna Sistem Temu Kembali informasi sangat bervariasi dengan kebutuhan informasi yang berbeda-beda. Salah satu kebutuhaan informasi yang paling banyak dibahas dalam temu kembali informasi adalah kebutuhan informasi dalam bahasa inggris. Dewasa ini pembahasan selain dalam bahasa inggris mulai semakin bertambah banyak, termasuk juga bahasa Arab meskipun masih jauh dari bahasa Inggris yang telah mendominasi temu kembali informasi selama lebih dari 50 tahun. Metode yang akan digunakan dalam penelitian ini adalah metode Naïve Bayes dan metode K Nearest Neighbor (k-NN). Berdasarkan uji coba, perangkingan dengan algoritma Naïve Bayes lebih baik bila dibandingkan dengan algoritma k-NN dengan rata-rata F1 Measure sebesar 0.71878, rata-rata precision sebesar 0.74964, dan rata-rata recall sebesar 0.80515. Sedangkan hasil uji coba dengan algoritma k-NN nilai rata-rata F1 Measure mencapai 0.69735, rata-rata precision sebesar 0.76075, dan rata-rata recall sebesar 0.79292.