Ujaran kebencian merupakan penggunaan kata-kata yang mengandung
diskriminasi, atau penghinaan terhadap individu atau kelompok. Keberadaan ujaran
kebencian di media sosial menyebabkan berbagai macam dampak negatif
penggunanya. Metode tradisional kurang efisien dalam menyelesaikan masalah ini.
Penelitian ini akan membantu dalam melakukan klasifikasi ujaran
kebencian, dengan menggunakan cuitan sebagai dataset, dimana cuitan tersebut akan di pre processing menggunakan feature extraction n gram word&char, Word2vec dan TF-IDF lalu akan dilakukan klasifikasi menggunakan algoritma
Multinomial & Bernoulli Naïve Bayes, SVM dan Logistic Regression Metode yang paling bagus dapat diidentifikasi melalui perbandingan F1-score dari masing-masing metode. F1-score adalah metrik yang memadukan precision dan recall. Berdasarkan dari penelitian, SVM dengan TF-IDF memiliki F1-score tertinggi, yaitu 0.93.