Pemanfaatan biomassa sebagai sumber energi terbarukan menjadi strategi penting dalam mendukung transisi menuju sistem energi berkelanjutan. Penelitian ini bertujuan untuk mengevaluasi kinerja model machine learning (ML) dalam mengoptimasi proses konversi biomassa, khususnya pada pengarangan pelepah dan cangkang kelapa sawit, melalui prediksi parameter nilai kalor dan Yield arang terhadap variasi suhu. Optimasi proses pengarangan dilakukan pada suhu 300°C hingga 1000°C dengan waktu tinggal 2 jam, dan hasilnya dianalisis menggunakan beberapa model ML. Evaluasi performa model dilakukan berdasarkan nilai koefisien determinasi (R²), Root Mean Square Error (RMSE), dan Mean Absolute Error (MAE). Hasil menunjukkan bahwa model GPR memiliki performa prediksi tertinggi dengan nilai R² mendekati 1, namun GPR cenderung menghasilkan prediksi yang tidak sepenuhnya sesuai dengan fenomena fisis proses pengarangan. Studi ini menekankan pentingnya pendekatan multi-model dalam optimasi konversi biomassa dan menunjukkan bahwa pemilihan model ML tidak hanya bergantung pada akurasi prediktif, tetapi juga pada kemampuan model merepresentasikan mekanisme proses yang mendasari. Hasil penelitian ini memberikan kontribusi terhadap pengembangan sistem cerdas dalam perancangan proses konversi biomassa secara efisien dan berkelanjutan.