Penilaian kinerja karyawan merupakan elemen krusial dalam manajemen sumber daya manusia yang menjadi dasar pengambilan keputusan strategis perusahaan, termasuk perpanjangan kontrak, pemberian insentif, dan pengembangan kompetensi. Penelitian ini bertujuan untuk menerapkan algoritma Random Forest sebagai pendekatan Machine Learning dalam mengklasifikasikan kinerja karyawan di PT. Bringin Gigantara, sekaligus melakukan optimalisasi parameter max_depth dan n_estimators guna memperoleh model dengan performa terbaik. Data yang digunakan dalam penelitian ini merupakan data evaluasi kinerja bulanan dari 100 karyawan PT. Bringin Gigantara selama periode Januari hingga Desember 2024, yang mencakup 10 variabel. Klasifikasi dilakukan ke dalam dua kategori, yaitu karyawan yang diperpanjang dan tidak diperpanjang kontraknya. Proses optimalisasi parameter dilakukan dengan menguji berbagai kombinasi nilai max_depth dan n_estimators untuk menemukan konfigurasi optimal. Hasil optimasi menunjukkan bahwa parameter menunujukkan mulai stabil diperoleh pada n_estimators = 50 dan max_depth = 10. Model yang dibangun dengan parameter tersebut dievaluasi menggunakan Confusion Matrix dan metrik akurasi, precision, recall, serta F1-score. Evaluasi pada data latih (80%) menghasilkan akurasi sebesar 98,75% dengan precision 99%, recall 96%, dan F1-score 97%. Sementara itu, evaluasi pada data uji (20%) menghasilkan akurasi sebesar 95% dengan precision 97%, recall 83%, dan F1-score 89%. Selisih akurasi yang relatif kecil antara data latih dan data uji mengindikasikan bahwa model tidak mengalami overfitting secara signifikan dan memiliki kemampuan generalisasi yang baik.

Kata Kunci: Random Forest, Kinerja Karyawan, Machine Learning, Klasifikasi, Max Depth, N-Estimators, Confusion Matrix