Permukiman kumuh merupakan permasalahan klasik yang sejak lama telah berkembang di kota-kota besar. Kawasan kumuh adalah kawasan dimana rumah dan kondisi hunian masyarakat maupun sarana dan prasarana yang ada tidak sesuai dengan standar yang berlaku, baik standar kebutuhan, kepadatan bangunan, persyaratan rumah sehat, kebutuhan sarana air bersih, sanitasi maupun persyaratan kelengkapan prasarana jalan, ruang terbuka, serta kelengkapan fasilitas sosial lainnya. Pada penelitian ini untuk menentukan klasifikasi permukiman kumuh digunakan dua algoritma klasifikasi yaitu dengan algoritma decision tree dan algoritma random forest. Proses didahului dengan menentukan data training dan data testing secara random dilanjutkan dengan menentukan nilai best split pada masing masing algoritma agar terbentuk suatu pohon keputusan untuk dilakukan pengujian data, hasil pengujian data berupa nilai akurasi yang dihasilkan kedua algoritma. Algoritma decision tree menghasilkan nilai akurasi sebesar 73.75%, dengan hasil klasifikasi yang tepat sebanyak 59 data, dan data data tidak tepat  sebanyak 21 data,  sedangkan algoritma random forest menghasilkan nilai akurasi dengan menerapkan 9 pohon keputusan dalam pengujian data yaitu sebagai berikut : 52.5%, 66.25%, 60%, 60%, 55%, 53.75%, 61.25%, 60%, 73.75%. Berdasarkan kelas gabungan atau kelas yang paling sering muncul dari pohon 1 sampai 9 algoritma random forest hanya menghasilkan akurasi sebesar 58.75%,  karena hanya menghasilkan klasifikasi data yang tepat sebanyak 47 data dan data yang tidak tepat sebanyak 33 data. Dengan demikian pada penelitian ini berdasarkan perbedaan nilai akurasi yang dihasilkan, algoritma decision tree lebih baik dari algoritma random forest  dalam melakukan klasifikasi data.
 
Kata Kunci : Permukiman Kumuh, Decision Tree, Random Forest