Pengambilan keputusan terkait metode persalinan masih sering bergantung pada pengalaman dan pertimbangan subjektif tenaga medis. Kondisi ini dapat menimbulkan perbedaan keputusan yang berpotensi memengaruhi ketepatan rujukan maternal. Permasalahan utama dalam penelitian ini adalah bagaimana menentukan cara persalinan secara objektif berdasarkan data rekam medis, serta bagaimana algoritma Boruta dapat digunakan untuk memilih fitur klinis yang paling relevan. Penelitian ini bertujuan untuk membangun model komputasi cerdas menggunakan metode Random Forest untuk memprediksi rujukan persalinan normal dan operasi caesar secara lebih akurat. Metode penelitian dimulai dengan pengumpulan 503 data klinis ibu hamil dari RSUP Dr. Mohammad Hoesin Palembang. Pada tahap data preprocessing, digunakan algoritma Boruta untuk
menyaring 13 variabel awal menjadi fitur yang lebih relevan. Selanjutnya, model dibangun menggunakan Random Forest dengan pengaturan pembatasan kompleksitas pohon, lalu dievaluasi menggunakan Confusion Matrix. Hasil penelitian menunjukkan bahwa Boruta berhasil mengidentifikasi 12 fitur penting, dengan Preeklampsia, Riwayat Caesar, dan Mean Arterial Pressure (MAP) sebagai variabel paling berpengaruh. Model Random Forest juga berhasil mencapai accuracy sebesar 94,00% pada data uji dengan performa yang seimbang pada kedua kelas. Secara keseluruhan, sistem yang dikembangkan terbukti stabil, tidak mengalami overfitting, dan layak digunakan sebagai dasar Sistem Pendukung Keputusan (SPK) dalam bidang medis.