Perkembangan teknologi yang pesat pada era modern ini, sosial media merupakan sebuah sarana untuk melakukan interasi dan mengutarakan pendapat secara online. Meskipun memiliki dampak positif, sosial media juga memiliki dampak negatif dari penggunaan sosial media salah satunya adalah cyberbullying dalam bentuk toxic comment. Toxic comment dapat dibagi menjadi banyak jenis, maka penelitian ini dilakukan untuk mengklasifikasikan toxic comment tersebut dengan menggunakan metode machine learning. Dalam penelitian ini dilakukan pengumpulan data melalui data crawling pada twitter dengan jumlah data 1.200 records. Keseluruhan data tersebut lalu diberi label secara manual dengan menggunakan 4 label, antara lain non-toxic, SARA, katakasar, dan ujaran kebencian. Algoritma yang digunakan untuk pengklasifikasian menggunakan word embeddings dengan pendekatan word2vec sebagai feature extraction dan support vector machine (SVM) sebagai classifier. Pada penelitian ini didapatkan hasil f1-score paling tinggi 96% dengan menggunakan SVM dengan kernel polynomial pada label ‘Toxic’ dan word2vec dengan dimensi 100. Hasil analisis pada penelitian ini menunjukan algoritma word embeddings dengan pendekatan word2vec dapat meningkatkan hasil f1-score dari classifier SVM.