Keterbukaan internet dan meluasnya penggunaan platform media sosial membuat Hate-Speech menjadi masalah yang sangat menonjol di dunia maya sehingga menyebabkan kebutuhan untuk mendeteksi Hate-Speech secara otomatis semakin meningkat secara pesat. Hal ini membuat pengenalan dan klasifikasi Hate-Speech memiliki peran yang sangat penting dalam mengatasi masalah Hate-Speech di media sosial. Penelitian ini bertujuan untuk mengembangkan model Sequential Generation Model yang dapat digunakan dalam proses klasifikasi multi-label pada teks Hate-Speech di media sosial Twitter. Kemudian akan dilakukan pengujian terhadap layer embedding GLoVe dari model, akan dilakukan pengujian menggunakan embedding FastText untuk menguji pengaruh embedding terhadap performa dari model. Model juga akan diimplementasi dengan layer Gated Recurrent Unit pada bagian decoder dari model untuk meningkatkan performa dari model Sequential Generation Model. Berdasarkan hasil pengujian model Sequential Generation Model menghasilkan performa yang baik dalam mengklasifikasikan teks Hate-Speech. Pengujian menggunakan embedding FastText menunjukkan hasil yang tidak jauh berbeda dari model utama namun memiliki hasil performa yang sedikit lebih rendah. Implementasi layer Gated Recurrent Unit pada bagian decoder dari model Sequential Generation Model berhasil meningkatkan performa model menjadi lebih baik dari model yang tidak ditambahkan layer Gated Recurrent Unit.