KOMINFO memiliki server tersendiri untuk setiap Subdomain yang ada. Dikarenakan terbatasnya jumlah server untuk Subdomain yang dimiliki oleh KOMINFO. Portal Konten dituntut untuk dapat mengatur data Subdomain yang dimiliki KOMINFO. Data Subdomain yang ada sekarang terdapat banyak Subdomain yang sebenarnya tidak digunakan lagi, tidak diperbaharui tapi masih ada dalam domain utama KOMINFO. Portal Konten harus melakukan klasifikasi Subdomain mana saja yang tetap update, membutuhkan perbaikan, dan harus dihapus. Oleh karena itu penulis membuat aplikasi klasifikasi Subdomain dengan metode Gaussian Naïve Bayes. Naïve Bayes adalah metode klasifikasi yang cukup luas digunakan. Diantara keunggulannya adalah jika pada data terdapat permasalahan data yang kosong (Missing Value), tidak atau hanya sedikit mempengaruhi hasil dari metode ini. Dengan model metode Naïve Bayes yang diwujudkan dalam bentuk web based application. Hasil dari penelitian menggunakan metode Naïve Bayes Classifier menghasilkan sebuah aplikasi pengklasifikasian dengan nilai akurasi sebesar 84% dengan kecepatan proses 7 milidetik untuk 150 data yang di uji.

KOMINFO has its own server for each existing Subdomain. Due to the limited number of servers for Subdomains that are owned by KOMINFO. Content portal is required to be able to manage Subdomain data that KOMINFO has. Existing Subdomain data have many Subdomains that are actually not used anymore, not updated but still in KOMINFO's main domain. Content Portal must classify which Subdomains remain updated, need repairs, and must be deleted. Therefore, the authors make the Subdomain classification application with the Naïve Bayes Gaussian method. Naïve Bayes is a classification method that is quite widely used. Among its advantages is that if there are problems with missing data (Missing Value) on the data, it does not or only slightly affect the results of this method. With the Naïve Bayes method model that is realized in the form of a web based application. The results of the study used the Naïve Bayes Classifier method to produce a classification application with an accuracy of 84% with a process speed of 7 milliseconds for 150 data tested.