Sarana media sosial, yang penting bagi individu dan kelompok dalam menyuarakan aspirasi, juga menjadi tempat meningkatnya ujaran kebencian karena sifat terbukanya. Informasi dapat dengan mudah diakses dan dikomentari, memicu kecenderungan ujaran kebencian. Pengguna bebas menggunakan bahasa daerah karena medsos tidak memiliki pedoman bahasa, dan keterbatasan sumber daya dalam memahami bahasa daerah menjadi kendala deteksi ujaran kebencian. Kompleksitas ini diperkuat oleh kebijakan platform media sosial seperti Instagram yang belum efektif dalam mendeteksi ujaran kebencian dalam bahasa daerah, seperti Bahasa Banjar. Kasus tersebut menunjukkan perlunya solusi lebih canggih, seperti otomatisasi deteksi ujaran kebencian dalam bahasa Banjar menggunakan deep learning.Bi-LSTM + Attention Layer adalah model jaringan saraf yang menggunakan Bidirectional Long Short Term Memory untuk memodelkan konteks sebelumnya dan berikutnya dalam teks, ditingkatkan dengan Attention layer yang menambahkan bobot pada data teks untuk meningkatkan performa klasifikasi ujaran kebencian. Model yang digunakan dalam penelitian ini banyak diterapkan karena mampu memberikan performa yang unggul dalam deteksi ujaran kebencian. Hal ini terbukti dari penelitian yang mengkombinasikan word embedding Word2Vec Skip-gram dengan model Bi-LSTM + Attention Layer, yang mencapai performa terbaik pada dataset ujaran kebencian bahasa Banjar normalisasi lexical variation dengan nilai akurasi 87.65%, presisi 87.78%, recall 87.61%, dan F1-score 87.62%.