Inflasi di Indonesia dipengaruhi oleh interaksi kompleks berbagai variabel makroekonomi yang bersifat non-linear. Penelitian ini bertujuan mengoptimalkan model Random Forest menggunakan algoritma seleksi fitur Boruta yang mengusung pendekatan all-relevant. Menggunakan dataset bulanan periode Januari 2005 hingga Desember 2024, penelitian ini mengintegrasikan 29 fitur dari dimensi moneter, fiskal, permintaan agregat, sisi penawaran, ekonomi global, sistem pembayaran, rantai pasok, serta inersia inflasi. Optimasi model dilakukan menggunakan Grid Search dengan skema validasi Expanding Window 5-fold untuk menjaga integritas temporal data deret waktu. Hasil seleksi fitur Boruta berhasil mereduksi dimensi sebesar 62,1% dengan mengonfirmasi 11 variabel relevan dari 29 fitur awal. Model utama (Random Forest + Boruta) menunjukkan performa superior pada data uji dengan tingkat kesalahan terendah (RMSE 0,3778 dan MAE 0,2935) serta kemampuan penjelasan varians mencapai 92,44% (R² 0,9244). Kinerja ini secara konsisten mengungguli model Baseline (tanpa seleksi fitur) serta model pembanding XGBoost dan LightGBM. Analisis kepentingan fitur mengungkapkan bahwa inersia inflasi (lag 12 dan lag 1) bersama dengan volume transaksi sistem pembayaran (real-time kartu kredit, uang elektronik, kartu debit) menjadi tiga pilar determinan utama pendorong inflasi. Penelitian ini memberikan kontribusi pada knowledge discovery faktor pendorong inflasi secara holistik di Indonesia.