Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi teks berita menggunakan metode IndoBERT dan LSTM. IndoBERT merupakan model bahasa yang dikembangkan untuk memproses teks bahasa Indonesia, sedangkan LSTM merupakan jenis Recurrent Neural Network (RNN) yang dapat memproses data sekuensial seperti teks. Penelitian ini menggunakan dataset berita Indonesia dan melakukan pengujian menggunakan parameter LSTM dan library indobenchmark/indobert-large-p1 dan indobert-base-p1. Hasil pengujian menunjukkan bahwa sistem yang menggunakan parameter LSTM dan library indobenchmark/indobert-large-p1 memiliki nilai akurasi lebih tinggi jika dibandingkan dengan parameter lainnya. Selain itu, penelitian ini juga menunjukkan bahwa pemilihan learning rate yang sesuai dapat meningkatkan akurasi sistem. Hasil pengujian ini dapat digunakan sebagai acuan untuk pengembangan sistem klasifikasi teks lainnya menggunakan model yang serupa.
Kata kunci: Klasifikasi Teks, IndoBERT, Long Short-Term Memory, Berita Indonesia, Learning rate.