Produksi minyak mentah merupakan salah satu sektor penting dalam industri energi yang memiliki pola data fluktuatif, sehingga diperlukan metode prediksi yang mampu menghasilkan tingkat kesalahan yang rendah. Penelitian ini
bertujuan untuk mengimplementasikan dan membandingkan kinerja algoritma Support Vector Machine (SVM) dan Random Forest dalam memprediksi produksi minyak mentah. Data yang digunakan merupakan data historis produksi minyak mentah harian pada wilayah PHE OSES North Area Business, khususnya pada sheet NBU Production Rate. Variabel target yang digunakan adalah Ullage, sedangkan variabel input terdiri dari Lag-1, Lag-2, Lag-3, NUFLO 8”, Auto Pilot Pro, dan Federal. Tahapan penelitian meliputi pengumpulan data, pra-pemrosesan data, data cleaning, transformasi data, feature engineering, normalisasi data, pembagian data, pelatihan model, pengujian model, dan evaluasi model. Pengujian dilakukan menggunakan tiga skema pembagian data, yaitu 80:20, 70:30, dan 60:40 tanpa pengacakan agar urutan data tetap mengikuti pola deret waktu. Evaluasi model dilakukan menggunakan metrik Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Hasil penelitian menunjukkan
bahwa model Support Vector Machine memperoleh hasil terbaik pada skema 80:20 dengan nilai MAE sebesar 0,0441 dan RMSE sebesar 0,1117. Sementara itu, model Random Forest memperoleh hasil terbaik pada skema 80:20 dengan
nilai MAE sebesar 0,0302 dan RMSE sebesar 0,0566. Berdasarkan hasil perbandingan, Random Forest menunjukkan kinerja lebih baik pada sebagian
besar skema pengujian, terutama pada skema 80:20 dan 70:30, karena menghasilkan nilai kesalahan yang lebih rendah dibandingkan Support Vector Machine. Dengan demikian, Random Forest dapat dijadikan sebagai model yang
lebih optimal dalam memprediksi produksi minyak mentah pada penelitian ini.