ABSTRAK Nama : Karunia Program Studi : Ilmu Komputer Judul : Klasifikasi Stance pada Teks Berbahasa Inggris Menggunakan Supervised Learning Penelitian ini bertujuan untuk mengembangkan sebuah model yang dapat secara otomatis melakukan klasifikasi stance pada teks berbahasa Inggris, di mana teks merupakan judul dan isi berita yang akan dikategorikan menjadi agree, disagree, discuss, dan unrelated. Penelitian ini diharapkan dapat menjadi langkah awal dalam mendeteksi kemunculan fake news dengan memanfaatkan teknologi, khususnya pada bidang pembelajaran mesin dan pengolahan bahasa manusia. Metode yang digunakan dalam penelitian ini adalah supervised learning dengan model klasifikasi Gradient Boosting dan Extreme Gradient Boosting. Model dibangun dengan menggunakan dataset dan baseline yang disediakan oleh Fake News Challenge yang dimodifikasi dengan penambahan sepuluh fitur gagasan penulis, yaitu fitur representasi vektor judul & isi, awal, dan akhir berita, sentimen, kemiripan antar kalimat berita, kata pendukung, predikat, kumpulan sinonim dan antonim, serta entailment. Penilaian terbaik yang diperoleh model Gradient Boosting adalah 82,781% yang klasifikasinya tidak mengikutsertakan kelompok fitur kalimat, yaitu fitur sentimen dan kemiripan antar kalimat berita. Sementara itu, nilai tertinggi yang diperoleh model Extreme Gradient Boosting adalah 82,893% yang klasifikasinya tidak mengikutsertakan kelompok fitur konteks, yaitu fitur entailment. Dari hasil eksperimen, diperlihatkan bahwa fitur yang memberikan kontribusi terbesar adalah fitur representasi vektor seluruh berita. Kata Kunci: klasifikasi stance, gradient boosting, extreme gradient boosting, supervised learing vi