Status kabupaten/kota adalah alat pengukur yang digunakan untuk menentukan pemetaan tipologi kabupaten/kota berdasarkan tingkat kemajuan masing-masing. Menurut Kementerian Desa, Pembangunan Daerah Tertinggal, dan Transmigrasi Indonesia, status kabupaten dan kota didasarkan pada ketahanan sosial, ekonomi, dan ekologi setiap kabupaten dan kota. Kombinasi indikator ini mengklasifikasikan kabupaten dan kota ke dalam 5 status: kabupaten dan kota sangat tertinggal, kabupaten dan kota tertinggal, kabupaten dan kota berkembang, kabupaten dan kota maju, dan kabupaten dan kota mandiri. Klasifikasi status kabupaten dan kota dapat dilakukan dengan cepat dan efisien menggunakan pembelajaran mesin (machine learning). Model yang cocok digunakan dalam penelitian ini adalah supervised learning. Oleh karena itu, penelitian ini bertujuan mengklasifikasikan kabupaten dan kota Indonesia menggunakan dua metode supervised learning, yakni CART dan random forest, dan membandingkan keduanya. Data yang digunakan dalam penelitian ini adalah data dari 434 kabupaten/kota di Indonesia. Langkah awal yang dilakukan yaitu mengatasi data dari pencilan atau outlier dan mengatasi data yang tidak seimbang (imbalanced data) dengan SMOTE (Synthetic Minority Oversampling Technique), didapatkan hasil bahwa model CART memberikan akurasi sebesar 71,577%, sementara model random forest memberikan akurasi sebesar 88,974%. Hal ini menunjukkan bahwa metode random forest lebih baik daripada metode CART dalam mengklasifikasikan kabupaten/kota di Indonesia.
