Kemajuan teknologi informasi di tengah masyarat Indonesia menimbulkan fenomena penyebaran ujaran kebencian yang menyasar pada suatu kelompok atau perorangan. Media sosial Twitter menjadi salah satu tempat terjadi penyebaran ujaran kebencian paling banyak. Hal ini disebabkan karena jumlah pengguna Twitter sangatlah masif serta penyebaran informasi yang hanya memerlukan hitungan detik. Penyebaran informasi ujaran kebencian akan dengan mudah menjadi luas, sehingga dapat mengakibatkan kelompok atau orang yang menjadi sasaran dalam ujaran kebencian tersebut menjadi depresi.
Bedasarkan permasalahan fenomena ujaran kebencian yang sangat masif menyebar pada media sosial Twitter, maka dibuat sistem deteksi ujaran kebencian pada Twitter dengan menggunakan algoritma Long Short-Term Memory (LSTM) dengan penambahan parameter Part of Speech (PoS) Bahasa Indonesia pada proses ekstraksi fitur. Sistem ini berbasis aplikasi website dan bekerja untuk melakukan deteksi cuitan berupa kalimat pada Twitter termasuk ujaran kebencian atau bukan ujaran kebencian.
Berdasarkan hasil penelitian pada tugas akhir ini menunjukkan model terbaik didapat menggunakan kombinasi hyperparameter batch size sebesar 32, learning rate sebesar 0.001, epoch sebesar 50 dan data latih sebesar 90% serta data uji sebesar 10%. Menghasilkan nilai akurasi yang maksimal yaitu 78%, nilai precision sebesar 78%, niali recall sebesar 78%, dan nilai F1 score sebesar 78%.