Triase pasien di Instalasi Gawat Darurat (IGD) memiliki dampak yang signifikan terhadap proses penanganan pasien. Oleh karena itu, perlu adanya sistem yang dapat memprediksi triase pasien secara akurat. Dalam penelitian ini, peneliti mengusulkan untuk membangun model klasifikasi machine learning untuk memprediksi triase pasien saat masuk IGD RS UNS. Peneliti mengusulkan untuk melakukan perbandingan antara beberapa model machine learning seperti decision tree, Random Forest (RF), Naïve – Bayes (NB), Support Vector Machine (SVM), dan k - Nearest Neighborhood (k – NN). Model-model tersebut dievaluasi berdasarkan beberapa parameter seperti accuracy, precision, recall, f – 1 score, dan confusion matrix, dan dapat disimpulkan bahwa RF adalah model terbaik. Nilai accuracy sebesar 0,89, sedangkan nilai precision, recall, dan f – 1 score bervariasi dari 0,60 hingga 0,64, serta 363 datum salah diprediksi ke dalam kelas lain. Setelah itu, dilakukan hyperparameter tuning agar diperoleh kombinasi parameter yang terbaik dan diterapkan pada model prediksi. Parameter yang dilakukan proses tuning adalah: n_estimator, criterion, max_features, dan max_depth dengan nilai cross validation sebesar 5. Nilai dari kombinasi parameter terbaik adalah adalah: 900, entropy, log2, dan 40.