Sejak bulan Agustus 2018 hingga  Januari 2024, Tim dari Kementerian Komunikasi dan Informatika telah mendeteksi sejumlah 12.654  isu hoaks beredar di ruang digital. Isu hoaks dibuat dan disebarkan oleh oknum tertentu dengan tujuan negatif, salah satunya adalah untuk menggiring opini demi keuntungan pribadi. Berita hoaks yang beredar menyebabkan kekhawatiran yang signifikan karena jumlah ketersediaan informasi yang luas melalui jejaring internet. Penelitian ini membandingkan bagaimana proses klasifikasi dan performa dari algoritma Stacked Long Short-term Memory dengan Support Vector Machine dalam konteks berita hoaks dengan narasi pemberitaan berbahasa Indonesia. Data penelitian merupakan hasil scrapping dari dua sumber yaitu laman turnbackhoax dan detiknews. Tujuan dari penelitian ini adalah untuk melihat bagaimana proses klasifikasi pada berita hoaks dan mengetahui algoritma yang akan menghasilkan performa yang lebih optimal dan kredibilitas yang lebih tinggi untuk data uji. Hasil penelitian pada evaluasi model menunjukkan bahwa algoritma Stacked Long Short-term Memory menghasilkan akurasi sebesar 98,84%, presisi 98,81%, recall 100%, dan F1-score 99,41% dibandingkan dengan Support Vector Machine yang menghasilkan akurasi sebesar 87,6%, presisi 88%, recall 86%, dan F1-score 87%. Dapat disimpulkan bahwa algoritma Stacked Long Short-term Memory menghasilkan performa lebih baik dan dapat mengklasifikasi data dengan lebih baik dibandingkan dengan Support Vector Machine.