Promosi karyawan merupakan aspek penting dalam manajemen sumber daya manusia yang berperan dalammeningkatkan motivasi, retensi, dan kinerja organisasi. Namun, keputusan promosi seringkali dinilai subjektif dankurang transparan. Penelitian ini menerapkan algoritma Random Forest pada Employee Promotion Dataset untukmengidentifikasi faktor-faktor utama yang memengaruhi promosi. Metodologi yang digunakan adalah CRISPDM, mencakup pemahaman data, prapemrosesan, pemodelan, dan evaluasi. Untuk mengatasi ketidakseimbangandata, digunakan metode SMOTE. Model yang dibangun menunjukkan akurasi sebesar 93%, precision 85,13%,dan recall 26,55%. Analisis feature importance menunjukkan bahwa skor pelatihan, rating kinerja, lama bekerja,capaian KPI, dan penghargaan merupakan faktor dominan. Hasil ini mendukung pengembangan sistempengambilan keputusan promosi karyawan berbasis data