Karena evaluasi kinerja guru dan karyawan memengaruhi pengambilan keputusan manajemen dan kualitas layanan, ini merupakan komponen strategis penting dari manajemen sumber daya manusia di institusi pendidikan. Namun, metode penilaian yang masih dilakukan secara manual, memerlukan waktu yang lama, dan tidak efektif untuk mendukung keputusan pengangkatan Guru Tetap Yayasan (GTY) dan Pegawai Tetap Yayasan (PTY). Tujuan dari penelitian ini adalah untuk membuat dan mengevaluasi model prediksi kinerja guru dan staf di Yayasan Al-Istiqomah Al-Islamiyah Prabumulih. Untuk mencapai tujuan ini, algoritma Forest Random digunakan sebagai pendekatan pembelajaran mesin. Penelitian ini menggunakan metode kuantitatif berbasis data historis penilaian kinerja periode Januari 2022 hingga Januari 2024 dengan jumlah 100 data dan sepuluh variabel penilaian. Penelitian ini melibatkan preprocessing data, pembagian data latih dan data uji dengan beberapa skenario rasio (50:50, 60:40, 70:30, 80:20, dan 90:10), pemodelan Random Forest, dan evaluasi performa melalui cross-validation, confusion matrix, hyperparameter tuning, pentingnya fitur, dan ROC Curve. Hasil penelitian menunjukkan bahwa model Random Forest dapat menghasilkan performa klasifikasi yang akurat dan stabil sepanjang skenario pengujian. Tingkat kesalahan klasifikasi yang rendah, nilai AUC yang tinggi, dan konsistensi performa pada berbagai subset data ditunjukkan oleh evaluasi. Oleh karena itu, algoritma Random Forest terbukti efektif sebagai alat bantu prediksi kinerja guru dan staf secara sistematis, konsisten, dan tidak bias.
Kata kunci: prediksi kinerja, guru dan pegawai, machine learning, Random forest, evaluasi kinerja.