<![CDATA[Penelitian ini bertujuan untuk mengklasifikasikan tipe Pokemon berdasarkan statistik tempur menggunakan algoritma Random Forest. Dataset yang digunakan berasal dari file pokemon_bw.csv yang berisi informasi seperti nomor Pokédex, nama, tipe, kemampuan, serta nilai statistik tempur (HP, Att, Def, S.Att, S.Def, Spd). Proses data preprocessing dilakukan untuk membersihkan dan mempersiapkan data, termasuk ekstraksi tipe utama, label encoding, feature selection, dan standarisasi fitur. Setelah itu, dataset dibagi menjadi data latih dan data uji dengan rasio 80:20. Model klasifikasi dibangun menggunakan Random Forest dengan 100 pohon keputusan dan dievaluasi menggunakan metrik accuracy, classification report, confusion matrix, serta ROC Curve multikelas. Hasil menunjukkan bahwa model mampu mencapai akurasi sebesar 64.8% , dengan performa terbaik pada kelas 'rock', 'steel', dan 'dragon', sedangkan kelas 'flying' dan 'ghost' masih sulit diklasifikasikan secara akurat. Confusion matrix menunjukkan bahwa beberapa tipe memiliki kesalahan klasifikasi yang cukup signifikan, seperti 'ground' yang sering diprediksi sebagai 'grass' dan 'rock' yang sering salah diklasifikasikan sebagai 'steel'. Evaluasi ROC Curve juga membuktikan bahwa sebagian besar kelas memiliki AUC di atas 0.80, menunjukkan kemampuan model dalam membedakan antar kelas. Dengan pendekatan ini, penelitian ini memberikan analisis awal mengenai potensi prediksi tipe Pokémon berbasis statistik tempur, yang dapat dikembangkan lebih lanjut melalui penanganan ketidakseimbangan kelas atau penggunaan teknik ensemble lainnya.]]>
