Angka harapan hidup mengacu pada estimasi rata-rata durasi kehidupan seseorang sejak kelahirannya. Indikator ini menjadi salah satu komponen penting dalam pengukuran indeks pembangunan manusia (IPM). Peningkatan harapan hidup biasanya berbanding lurus dengan kenaikan nilai IPM. Penelitian ini bertujuan untuk memprediksi tingkat harapan hidup menggunakan 2 algoritma regresi yaitu Random Forest regression dan XGBoost regression, serta menganalisis variabel yang paling berpengaruh terhadap harapan hidup. Dataset yang digunakan berasal dari Global Country Information Dataset 2023 yang tersedia di platform Kaggle. Berdasarkan hasil analisis, XGBoost regression terbukti memiliki performa terbaik dalam melakukan prediksi, sebagaimana ditunjukkan oleh nilai MAPE yang lebih rendah sebesar 2.60 dan R² yang lebih tinggi sebesar 90.53. Faktor-faktor seperti angka kematian bayi dan rasio kematian ibu ditemukan sebagai prediktor utama, sedangkan pengaruh Indeks Harga Konsumen (CPI) terhadap harapan hidup relatif lebih kecil.