Ujaran kebencian dianggap sebagai kasus tertinggi yang terjadi di media sosial terutama Twitter. Twitter membatasi penggunanya dalam mengunggah sebuah tweet hanya 280 karakter, sehingga memungkinkan terjadinya ketidakcocokan kosakata. Oleh karena itu penulis menerapkan metode Feature Expansion yaitu Word2vec dan metode pembobotan TF-IDF, untuk mengatasi permasalahan tersebut serta membangun sistem deteksi ujaran kebencian. Metode klasifikasi yang digunakan untuk membangun sistem tersebut adalah Support Vector Machine (SVM) dan Random Forest. Hasil akhir penelitian menunjukkan bahwa penggunaan metode Feature Expansion dengan pembobotan TF-IDF pada klasifikasi Random Forest memberikan hasil paling optimal yaitu 88,37% pada nilai akurasi dan 0,8819 pada nilai F1 score.