Ujaran kebencian telah menjadi perhatian yang semakin meningkat di era digital, terutama selama masa pemilu. Kompetisi politik dan polarisasi opini publik dapat menciptakan lingkungan yang rentan terhadap penyebaran ujaran kebencian. Berdasarkan hasil penelitian, ditemukan bahwa jumlah ujaran kebencian meningkat secara signifikan menjelang pemilu 2024. Fenomena ini menggambarkan tantangan berkelanjutan dalam mengendalikan dan mengurangi ujaran kebencian, terutama selama periode pemilu. Mengingat volume konten yang sangat besar di platform media sosial, mengidentifikasi ujaran kebencian secara manual menjadi tugas yang sulit dan memakan waktu, sehingga diperlukan solusi otomatis yang efisien dan akurat. Penelitian ini bertujuan menemukan model terbaik untuk mendeteksi ujaran kebencian dan mengidentifikasi topik-topik utama yang dibahas selama periode Pemilu Presiden 2024. Data dari Twitter yang diambil sejak Januari hingga Maret 2024 diproses dan diklasifikasi untuk mendeteksi ujaran kebencian dengan menggunakan algoritma machine learning Random Forest, SVM, dan Decision Tree serta algoritma deep learning CNN dan BERT. Hasilnya menunjukkan bahwa BERT memberikan tingkat akurasi terbaik sebesar 95%. Pemodelan topik dengan Latent Dirichlet Allocation (LDA) menghasilkan 17 topik utama, termasuk diantaranya ajakan untuk tidak memilih pasangan calon tertentu, penghinaan terhadap calon presiden, isu dinasti politik, dan tuduhan kecurangan oleh rezim dalam Pemilihan Presiden 2024.