Mudahnya penyebaran informasi saat ini tak terlepas dari pesatnya perkembangan teknologi informasi. Namun kondisi tersebut juga dimanfaatkan oleh kelompok radikal untuk menyebarkan propaganda dan merekrut anggota melalui jejaring sosial media seperti Facebook dan Twitter. Maka dari itu mendeteksi ujaran radikalisme pada sosial media menjadi penting, mengingat mudahnya penyebaran informasi yang dapat mempengaruhi pengguna sosial media. Beberapa penelitian untuk mendeteksi ujaran radikalisme telah dilakukan menggunakan algoritma machine learning seperti K-Nearest Neighbor (KNN) dan Support Vector Machine (SVM). Namun masih sedikit di antaranya yang menggunakan data berbahasa Indonesia dan dataset yang digunakan masih dalam jumlah yang sedikit. Pada Tugas Akhir ini dilakukan deteksi ujaran radikalisme pada tweet berbahasa Indonesia menggunakan Convolutional Neural Network (CNN) dan Word2Vec sebagai ekstraksi fiturnya. Dataset yang digunakan berupa kumpulan tweet berbahasa Indonesia yang diperoleh melalui crawling. Pemodelan CNN dilakukan dengan beberapa skenario yaitu nilai parameter filters = 100 dan 300, serta parameter kernel size = 3, 5, 7, 9. Dari proses training menggunakan skenario tersebut, didapatkan model paling optimal dengan parameter filters = 300 dan kernel size = 7 yang menghasilkan akurasi terbaik sebesar 87,87% dan rata-rata akurasi sebesar 86,93%. Dengan model tersebut dilakukan evaluasi menggunakan data tes yang mendapatkan hasil akurasi sebesar 87,15%.