Asteroid adalah bebatuan yang mengelilingi matahari dan biasanya ditemukan di sabuk asteroid antara Mars dan Jupiter. Mereka datang dalam berbagai ukuran, dari beberapa meter hingga ratusan kilometer. Asteroid dapat menimbulkan ancaman karena ketika bertabrakan dengan Bumi, mereka dapat memberikan efek yang signifikan. Tabrakan asteroid dapat menimbulkan efek langsung seperti gempa bumi, semburan udara, dan efek termal yang dapat merusak area yang luas. Selain itu, asteroid juga dapat memicu bahaya sekunder seperti tsunami dan perubahan iklim jangka panjang. Untuk menghadapi ancaman asteroid, dilakukan beberapa upaya untuk mendeteksi bahaya dari ancaman asteroid. Banyaknya jumlah asteroid yang berada disekitar Bumi, membuat pendeteksian bahaya secara manual menjadi kurang efektif. Pendeteksian tersebut dapat dilakukan secara otomatis dengan menggunakan algoritma komputasi, yaitu dengan cara melakukan klasifikasi pada bahaya dari asteroid menggunakan fitur-fiturnya.Pada penelitian ini dilakukan klasifikasi dengan menggunakan algoritma Random Forest dan Decision Tree serta oversampling dengan menggunakan SVM-SMOTE. Data yang digunakan pada penelitian ini adalah data Nearest Earth Objects (asteroid) yang memiliki kelas major sebanyak 81.996 data dan memiliki kelas minor sebanyak 8840 data. Penelitian ini dilakukan dengan membandingkan klasifikasi Random Forest serta Decision Tree dengan dan tanpa oversampling. Hasilnya didapatkan bahwa klasifikasi Random Forest menggunakan parameter terbaik dan SVM-SMOTE menghasilkan performa terbaik dibandingkan dengan model klasifikasi lain, dengan nilai akurasi sebesar 89,69%, presisi sebesar 47,68%, recall sebesar 61,65%, f1-score sebesar 53,77%, dan AUC sebesar 0,7718.