Penelitian ini bertujuan untuk menganalisis efektivitas berbagai pendekatan Natural Language Processing (NLP) dalam mendeteksi promosi judi online pada media sosial berbahasa Indonesia. Permasalahan utama yang diangkat adalah bagaimana model dapat mengenali bahasa tidak baku, istilah slang, serta konteks terselubung yang sering digunakan dalam promosi judi online. Empat pendekatan utama yang diuji meliputi kombinasi Random Forest + TF-IDF, IndoBERTweet + BiLSTM, IndoBERTweet + Random Forest/SVM, serta Fine-Tuned IndoBERTweet. Proses pelatihan dan evaluasi dilakukan menggunakan dataset komentar media sosial yang telah dianotasi, dengan metrik evaluasi berupa akurasi, presisi, recall, dan F1-score. Hasil penelitian menunjukkan bahwa pendekatan berbasis transformer, khususnya Fine-Tuned IndoBERTweet, memberikan performa terbaik dengan nilai akurasi dan F1-score mencapai 0.933, mengungguli model lain yang berbasis pembobotan kata konvensional seperti TF-IDF. Pengujian tambahan pada dua dataset publik menunjukkan kemampuan generalisasi yang baik dari Fine-Tuned IndoBERTweet terhadap variasi gaya bahasa dan konteks baru. Secara keseluruhan, hasil ini menegaskan keunggulan pendekatan kontekstual berbasis transformer dalam mendeteksi promosi judi online di teks berbahasa Indonesia.