Al-Qur’an merupakan kitab suci umat Islam yang memuat berbagai tema penting dalam kehidupan. Karena satu ayat dapat mengandung lebih dari satu tema, klasifikasi multi-label dapat digunakan untuk klasifikasi topik. Penelitian ini bertujuan untuk mengklasifikasikan ayat-ayat terjemahan Al-Qur’an berbahasa Indonesia ke dalam sepuluh label menggunakan model IndoBERT. Dataset yang digunakan berjumlah 4.054 ayat yang telah dilabeli, dengan terjemahan yang diambil dari Kementerian Agama Republik Indonesia. Proses klasifikasi mencakup tahap data preprocessing, fine-tuning model IndoBERT, serta tuning hyperparameter dengan Optuna terhadap epoch, learning rate, dan batch size. Selain itu, dilakukan juga klasifikasi multi-label pada model pembanding dengan machine learning, dengan word embedding yang dilakukan oleh IndoBERT. Hasil evaluasi menunjukkan bahwa IndoBERT menunjukkan hasil terbaik dengan accuracy (akurasi) 73,87%, precision (presisi) 90,12%, recall 90,36%, dan F1- Score 90,23%. Sedangkan hasil model pembanding tidak lebih baik dari klasifikasi dengan IndoBERT. Model pembanding Decision Tree mengungguli Naïve Bayes dan Support Vector Machine dengan accuracy 62,42%, recall 82,84%, precision 79,27%, dan F1-Score 80,88%. Hal ini menunjukkan bahwa model IndoBERT terbukti unggul dalam melakukan klasifikasi multi-label pada terjemahan ayat Al- Qur’an berbahasa Indonesia.