Media sosial, khususnya Twitter, sering digunakan untuk mengekspresikan pengalaman pribadi yang berpotensi memuat ungkapan stres. Penelitian ini bertujuan untuk menerapkan model IndoBERT dalam mengklasifikasikan potensi sumber stres pada teks media sosial berbahasa Indonesia. Data diperoleh melalui proses scraping Twitter, kemudian diproses dengan normalisasi, pembersihan, dan tokenisasi sebelum diberi label ke dalam kategori akademik, hubungan, kesehatan, pekerjaan, dan keuangan. Model IndoBERT dilatih dengan pendekatan supervised learning melalui fine-tuning, dan performanya diukur menggunakan precision, recall, serta F1-score. Hasil pengujian menunjukkan bahwa IndoBERT mampu melakukan klasifikasi dengan sangat baik, dengan rata-rata precision sebesar 0.9842, recall sebesar 0.9841, dan F1-score sebesar 0.9831. Kesimpulan penelitian ini adalah IndoBERT efektif digunakan untuk mendeteksi potensi sumber stres pada teks media sosial, sekaligus berkontribusi pada pengembangan NLP untuk kesehatan mental digital.

Kata kunci: IndoBERT, klasifikasi teks, media sosial, potensi stres