Era digital membawa kemudahan dalam berkomunikasi sekaligus tantangan baru berupa penyebaran ujaran kebencian dan perundungan secara daring. Salah satu bentuk ancaman tersebut adalah cyberbullying yang umum dijumpai dalam komentar di media sosial. Penelitian ini bertujuan untuk membangun sistem klasifikasi komentar yang dapat mendeteksi cyberbullying secara otomatis menggunakan pendekatan pemrosesan bahasa alami. Fitur teks diekstraksi menggunakan representasi vektor dari model IndoBERT, yang kemudian digunakan sebagai masukan untuk dua algoritma klasifikasi, yaitu Support Vector Machine (SVM) dan Gaussian Naive Bayes (GNB). Selain itu, penelitian ini juga mengeksplorasi penggunaan IndoBERT sebagai model klasifikasi langsung melalui pendekatan partial fine-tuning dan full fine-tuning. Dataset yang digunakan terdiri dari 650 komentar berbahasa Indonesia yang telah dilabeli secara seimbang antara kategori bullying dan non-bullying. Hasil evaluasi menunjukkan bahwa model IndoBERT Full Fine-Tuned menghasilkan performa terbaik, dengan akurasi sebesar 94,62?n F1-score sebesar 95,77%. Model SVM dan GNB masing-masing memperoleh akurasi sebesar 83,08?n 77,7%. Berdasarkan hasil tersebut, pemanfaatan IndoBERT sebagai model klasifikasi yang di- fine-tune secara penuh terbukti lebih efektif dalam mendeteksi komentar cyberbullying dibandingkan pendekatan berbasis algoritma klasik.