Efek samping obat merupakan tantangan serius dalam industri farmasi, dengan potensi yang merugikan kesehatan dan bahkan menyebabkan kematian. Saat ini, identifikasi efek samping masih bergantung pada uji klinis yang mahal dan terbatas. Pada tahun 2019, Pusat Pengendalian dan Pencegahan Penyakit (CDC) memperkirakan bahwa lebih dari 100.000 orang meninggal setiap tahun akibat efek samping obat. Faktanya, identifikasi efek samping obat melalui uji klinis dibatasi oleh durasi dan populasi yang kecil, sehingga kurang efektif untuk mendeteksi efek samping yang serius. Alternatifnya adalah deteksi yang baru, efisien, dan efektif, yaitu pembelajaran mesin. Namun, salah satu tantangan dalam deteksi obat menggunakan pembelajaran mesin adalah tingginya dimensi fitur, oleh karena itu algoritma Pencarian Cuckoo untuk seleksi fitur dapat diterapkan untuk ini. Penelitian ini bertujuan untuk memprediksi efek samping obat menggunakan metode ensemble Pencarian Cuckoo, dengan fokus pada studi kasus gangguan mata. Proses pemilihan fitur menggunakan algoritma Pencarian Cuckoo, dan pendekatan ensemble digunakan untuk membangun model prediksi menggunakan tiga teknik, yaitu Random Forest, AdaBoost, dan XGBoost. Berdasarkan eksperimen yang dilakukan, model yang dibuat efektif dalam memprediksi efek samping obat. Random Forest menghasilkan model dengan kinerja yang paling akurat dan terbaik, mencapai nilai akurasi dan F1-score masing-masing sebesar 0,718 dan 0,633.