Incident categorization adalah salah satu tahapan paling krusial dari incident management. Insiden yang masuk harus diselesaikan sesegera mungkin, maka dibutuhkan otomatisasi pada incident categorization. Salah satu kesulitan dalam otomatisasi adalah tiket insiden yang mengandung typo. Keberadaan typo dalam sebuah data dapat menurunkan akurasi model, yang berarti ketepatan dalam penentuan kategori sebuah tiket insiden akan menurun. Dibutuhkan spelling correction untuk menangani typo dalam sebuah tiket insiden sebelum dilakukan klasifikasi sebagai bentuk percobaan dalam peningkatan performa supaya lebih akurat dalam penentuan kategori. Jika kategori yang ditentukan tidak tepat maka akan menghambat proses penyelesaian insiden dan juga berpengaruh terhadap proses bisnis perusahaan. Symspell adalah sebuah spelling correction yang menggunakan metode deletion dan juga edits distance. Penerapan symspell dalam model kategorisasi insiden bertujuan untuk mencoba melihat pengaruhnya dalam nilai accuracy, precision, dan juga recall sebuah model ketika menerapkan symspell kedalam preprocessing, selain itu juga dilakukan percobaan dalam memilih atribut insiden tiket. Untuk membuat model kategorisasi menggunakan SVM sebagai text classifier. Hasil penelitian menunjukan bahwa kombinasi antara penerapan symspell pada preprocessing dan penggunaan data gabungan subject dan description tiket memberikan pengaruh terhadap performa model dalam hal nilai accuracy, precision, dan recall yaitu secara berurutan sebesar 83%, 83.7%, dan 83.8%, dimana mengalami peningkatan dari hasil yang didapat saat preprocessing tanpa symspell (accuracy = 81.9%, precision = 82.5%, recall = 83.3%). Sedangkan untuk performa dari symspell sendiri mendapatkan nilai correction hit sebesar 82% dan false positive paling rendah mencapai 0,61%.ITIL, Incident Management, Incident Categorization, Typographical Error, Spelling correction, Symspell