Peningkatan jumlah tindak kejahatan di Kabupaten Jember menuntut adanya sistem pelaporan yang efisien dan responsif. Media pelaporan konvensional seperti call center 110 memiliki keterbatasan, seperti kurangnya bukti pendukung dan kesulitan penentuan lokasi kejadian. Penelitian ini bertujuan mengembangkan sistem pelaporan kejahatan berbasis chatbot Telegram yang terintegrasi dengan metode klasifikasi teks Multinomial Naïve Bayes untuk mengelompokkan jenis kejahatan secara otomatis. Dataset diperoleh melalui web scraping dari situs Sistem Informasi Penelusuran Perkara (SIPP) Pengadilan Negeri Jember tahun 2024 sebanyak 398 data. Proses pengolahan data melibatkan tahap pre-processing teks (cleansing, case folding, tokenizing, stopword removal, dan stemming), pembentukan fitur menggunakan kombinasi unigram dan bigram, serta pembobotan Term Frequency–Inverse Document Frequency (TF-IDF). Penyeimbangan data dilakukan dengan metode Random Oversampling. Model kemudian dievaluasi menggunakan metrik akurasi, presisi, recall, dan F1-Score. Hasil evaluasi menunjukkan bahwa model memperoleh akurasi sebesar 98,75%, yang menunjukkan bahwa pendekatan ini dapat diterapkan untuk klasifikasi laporan kejahatan berbasis teks. Sistem pelaporan kejahatan ini juga dilengkapi dengan dashboard untuk menampilkan laporan secara real-time, sehingga mempermudah masyarakat dalam melaporkan kejadian serta mendukung penanganan kasus yang cepat dan tepat oleh kepolisian.