Jagat media sosial twitter sedang ramai memperbincangkan isu tentang pindah ibu kota, masyarakat
berlomba lomba berbagi cuitannya dalam berbagai ekspresi. Bentuk ekspresi ini disinyalir sebagai bentuk
masyarakat mengemukakan opini serta argumennya. Penelitian ini akan menggunakan dataset dari
Twitter berbahasa Indonesia yang membicarakan topik seputar pindah ibu kota. Tujuan dari penelitian
ini adalah mengidentifikasi argumen menggunakan metode klasifikasi Multi-Class Support Vector
Machine (SVM), dan Multinomial Naïve Bayes (MNB) dengan feature extraction TFIDF. Variasi dari
karakter data twitter yang memiliki banyak noise akan menjadi tantangan pada penelitian ini. Beberapa
scenario preprocessing akan dilakukan sebagai upaya mengatasi masalah ini. Kami akan
mengklasifikasikan data ke kelas argumen, non argument dan unknown. Hasil akurasi terbaik sebesar
71.42% didapatkan dengan menggunakan metode klasifikasi SVM dengan fitur unigram tanpa stopwords
removal. Dari hasil penelitian dapat disimpulkan bahwa fitur stopwords removal memiliki efektifitas yang
beragam tergantung pada kombinasi fitur yang diterapkan