Peningkatan jumlah putusan pengadilan di Indonesia mendorong kebutuhan akan sistem klasifikasi otomatis yang akurat dan efisien. Penelitian ini bertujuan untuk membandingkan kinerja model MBERT dan IndoBERT dalam mengklasifikasikan teks putusan pengadilan menjadi dua jenis kasus, yaitu pidana umum dan pidana khusus. Pemilihan model tersebut didasarkan pada karakteristik masing-masing model. MBERT memiliki keunggulan dalam menangani berbagai bahasa karena dilatih pada korpus multibahasa sementara IndoBERT dilatih secara khusus pada korpus Bahasa Indonesia sehingga lebih mampu memahami konteks Bahasa Indonesia. Dataset yang digunakan adalah IndoLaw sebanyak 800 dokumen, yang terdiri atas 381 dokumen pidana umum dan 419 dokumen pidana khusus. Data tersebut dibagi menjadi 80% untuk data training dan 20% untuk testing. Tahapan penelitian meliputi preprocessing teks seperti case folding, punctuation removal, stopword removal, tokenisasi, dan label encoding. Kombinasi hyperparameter yang digunakan meliputi epoch sebanyak 15, batch size 32 dan 64, serta learning rate 10^(-6)- 3×10^(-6). Hasil menunjukkan bahwa IndoBERT dengan batch size 32 dan learning rate 2×10^(-6) berhasil mengungguli MBERT dengan akurasi 86% pada data testing serta rata-rata presisi, recall, dan F1-score sebesar 86%. Grafik akurasi dan loss menunjukkan bahwa model tidak mengalami overfitting, sehingga hasilnya dapat digeneralisasikan dengan baik pada data baru. Hasil ini menunjukkan bahwa IndoBERT lebih efektif dibandingkan MBERT dalam mendukung tugas klasifikasi teks putusan pengadilan di Indonesia.