Media sosial telah memberikan pengaruh yang signifikan pada kehidupan sebagian besar individu di era kontemporer. Ini tidak hanya memungkinkan komunikasi di antara orang-orang dalam lingkungan tertentu tetapi juga memfasilitasi konektivitas pengguna di dunia maya. Instagram adalah platform media sosial yang memainkan peran penting dalam berbagi informasi dan membina komunikasi di antara para penggunanya melalui media foto dan video, yang dapat dikomentari oleh pengguna lain. Pemanfaatan Instagram terus meningkat setiap tahunnya, sehingga berpotensi memberikan konsekuensi positif maupun negatif. Salah satu konsekuensi negatif yang sering muncul adalah cyberbullying. Melakukan analisis sentimen pada data cyberbullying dapat memberikan wawasan tentang keefektifan metodologi yang digunakan. Penelitian ini merupakan penelitian eksperimen yang bertujuan untuk membandingkan kinerja Random Forest dan Random Forest setelah menerapkan teknik seleksi fitur Particle Swarm Optimization pada tiga komposisi pemisahan data yang berbeda, yaitu 70:30, 80:20, dan 90:10. Hasil evaluasi menunjukkan bahwa skor akurasi tertinggi dicapai pada konfigurasi data split 90:10. Secara spesifik, model Random Forest menghasilkan akurasi sebesar 87,50%, sedangkan model Random Forest setelah menjalani seleksi fitur menggunakan algoritma Particle Swarm Optimization, mencapai akurasi sebesar 92,19%. Oleh karena itu, penerapan Particle Swarm Optimization sebagai teknik pemilihan fitur menunjukkan potensi untuk meningkatkan akurasi metode Random Forest.