Ujaran kebencian di media sosial, khususnya Twitter, seringkali berbentuk rasisme, seksisme, atau kepentingan politik yang ditujukan kepada individu tertentu. atau kelompok. Tindakan tersebut dapat memicu terjadinya kejahatan, kerusuhan, kekerasan bahkan perlawanan terhadap individu atau kelompok. Oleh karena itu, kita membutuhkan proses mengklasifikasikan tweet apakah itu ujaran kebencian atau bukan untuk mengurangi penyalahgunaan yang terjadi di Twitter. Teknologi yang digunakan dalam klasifikasi ujaran kebencian yang paling umum digunakan adalah jaringan syaraf tiruan yang membutuhkan data pengguna dan meta data. Dalam studi sebelumnya, metode Naïve Bayes (NB) yang digunakan menggunakan fitur bigram, unigram dan feature selection dengan akurasi 80-85%. Metode k-Nearest Neighbor (kNN) juga telah digunakan yang memiliki akurasi 70-85% pada klarifikasi ujaran kebencian oleh tokoh politik. Sedangkan metode yang paling banyak digunakan adalah metode Support Vector Machine (SVM) dengan akurasi 70 to tertinggi 95%. Untuk mendapatkan akurasi yang lebih tinggi dalam klasifikasi ujaran kebencian, penelitian ini akan melakukan Hybrid Classifier pada Hate Proses Klasifikasi Speech Hashtag menggunakan metode kombinasi MLP, kNN, NB. Data yang digunakan dalam penelitian ini adalah Tweet Twitter dari November 2021 hingga Juni 2022 tentang tagar yang sedang tren. Rata-rata hasil kinerja akurasi yang diperoleh dengan menggunakan MLP, kNN, NB masing-masing adalah 72%, 63%,73%. Untuk meningkatkan akurasi hasil klasifikasi dari ketiga metode tersebut, dilakukan kombinasi dari metode menggunakan Hybrid Classifier dilakukan. Hasil eksperimen menunjukkan Hybrid Classifier dengan metode voting dapat meningkat akurasi hingga 74%. Ditemukan bahwa penggunaan hibrida dapat memberikan kinerja sistem yang lebih baik daripada 3 pengklasifikasi dalam komposisi yaitu kNN, NB dan MLP.