Cyberbullying telah meningkat akibat perluasan jaringan media sosial dan kemajuan teknologi internet, yang menghadirkan tantangan besar bagi komunitas daring. Penelitian sebelumnya menggunakan teknik Support Vector Machine (SVM) dan mencapai tingkat akurasi sebesar 71,25%. Namun, mengingat sifat dinamis dari perilaku perundungan siber dan kebutuhan akan metodologi deteksi yang lebih kuat, topik ini tetap menjadi tantangan. Penelitian ini menyelidiki penerapan teknik Convolutional Neural Network (CNN) dan Graph Neural Network (GNN) dalam mendeteksi perundungan siber di Twitter. CNN dan GNN dipilih karena kemampuan jaringan saraf untuk menangkap pola yang kompleks dalam data teks dan jaringan. Hasil eksperimen menunjukkan bahwa metode GNN secara konsisten mengungguli CNN dalam hal f1-score, akurasi, presisi, dan recall. Metode GNN mencapai akurasi sebesar 80,25%, melebihi CNN yang mencapai 68,43%, dengan menggunakan 20 epoch. Selanjutnya, optimasi GNN dengan menerapkan berbagai jumlah epoch mencapai akurasi tinggi sebesar 92,78% ketika menggunakan 200 epoch. Hal ini memvalidasi efektivitas GNN dalam mendeteksi perundungan siber di Twitter.
Kata kunci: Cyberbullying, Convolutional Neural Network (CNN), Graph Neural Network (GNN), Twitter, Perbandingan performansi