Bidang Interaksi Manusia-Komputer (HCI) telah mengalami kemajuan pesat dalam penelitian pemrosesan sinyal di domain kesehatan, khususnya dalam analisis sinyal seperti sinyal ECG, EMG, dan EEG. Sinyal elektrocardiogram (ECG), yang mengandung berbagai informasi terkait riwayat medis, identitas, keadaan emosional, jenis kelamin, usia, dan gender telah menunjukkan potensi untuk pengenalan biometrik. Dalam memudahkan proses klasifikasi gender berdasarkan sinyal ECG diperlukan suatu metode Random Forest. Penelitian ini menyelidiki penerapan metode Random Forest dalam klasifikasi gender menggunakan data ECG dari ID Database. Penelitian ini berfokus untuk mengetahui kinerja algoritma Random Forest terhadap klasifikasi gender. Dataset yang digunakan dalam penelitian ini memiliki total 10.000 fitur terdiri dari dataset raw dan dataset filtered dievaluasi Stratified Cross-Validation 10-fold dengan algoritma Random Forest. Hasil menunjukkan akurasi tertinggi pada data raw sebesar 55,000%, dengan sensitivity 46,452% dan specificity 63,548%. Sementara itu, data filtered mencapai akurasi tertinggi sebesar 65,806%, dengan sensitivity 67,097% dan specificity 67,097%. Dari hasil tersebut, dapat disimpulkan bahwa dampak paling signifikan terhadap hasil klasifikasi gender dalam penelitian ini adalah rendahnya nilai sensitivity pada data raw. Implikasi dari penelitian ini memberikan kontribusi pada pengetahuan dengan menyajikan hasil kinerja algoritma Random Forest pada klasifikasi gender berbasis sinyal ECG.