Hipertensi, suatu kondisi tidak menular yang semakin umum terjadi, berpotensi menyebabkan konsekuensi serius seperti gagal jantung, stroke, dan kerusakan ginjal. Pusat Kesehatan Masyarakat Prabumulih Selatan masih mengumpulkan dan mengklasifikasikan data hipertensi secara manual, yang dapat menyebabkan keterlambatan diagnosis. Untuk memfasilitasi identifikasi dini yang lebih cepat dan tepat, penelitian ini berupaya mengkategorikan tingkat hipertensi menggunakan pendekatan Random Forest. Sebanyak 1.033 rekam medis pasien dari Juni hingga September 2025 digunakan sebagai data sekunder untuk penelitian kuantitatif ini. Variabel yang disertakan meliputi usia, jenis kelamin, tekanan darah, berat badan, tinggi badan, kebiasaan merokok, lingkar pinggang, dan suhu tubuh. Pengumpulan data, pra-pemrosesan (pembersihan, pengkodean, dan pembagian), pemodelan menggunakan algoritma Random Forest, dan evaluasi menggunakan matriks kebingungan, akurasi, presisi, recall, dan skor F1 merupakan semua langkah dalam proses penelitian. Menurut temuan penelitian, pendekatan Random Forest memiliki akurasi rata-rata 90,22% berdasarkan evaluasi K-Fold Cross Validation dan dapat mengklasifikasikan tingkat hipertensi ke dalam kategori normal, pra-hipertensi, hipertensi stadium 1, dan hipertensi stadium 2 dengan akurasi 90% pada data uji. Model akhir diharapkan dapat memfasilitasi transformasi digital layanan kesehatan berbasis data di tingkat puskesmas dan membantu tenaga kesehatan meningkatkan akurasi diagnosis.