Perkembangan ilmu pengetahuan yang mulai memasuki era Machine Learning menuntut setiap bidang ilmu untuk dapat melakukan otomatisasi pekerjaan. Penelitian ini menggunakan machine learning untuk melakukan klasifikasi radiasi dari bahan radioaktif yang tidak diketahui sumber bahannya dengan beberapa jenis classifier menggunakan data spektrum gamma yang direkam menggunakan sintilator NaI(Tl). Classifier yang digunakan antara lain: Decision Tree, Random Forest, AdaBoost, Naive Bayes, Gaussian Process, dan Support Vector. Setiap classifier akan melakukan training dengan menggali informasi dari data spektrum yang sudah diketahui, dan kemudian diuji dengan data spektrum baru yang belum diketahui untuk mendapatkan hasil klasifikasi, akurasi prediksi, serta kecepatan prosesnya. Sebelum klasifikasi dilakukan masing-masing classifier akan diatur parameter-parameter dan kernel-nya sesuai dengan kondisi dan kebutuhan penelitian. Dari klasifikasi yang telah dilakukan, classifier menghasilkan akurasi prediksi dengan rentang 20% hingga 100% untuk semua classifier, dan kecepatan proses mulai dari 0.054 detik hingga 717 detik. Oleh karena itu, classifier yang memiliki akurasi dan kecepatan terbaik adalah classifier Support Vector Machine dengan kernel linear yang memiliki akurasi sebesar 100% dan kecepatan proses selama 0.244 detik.
Kata Kunci: Akurasi, classifier, data, gamma, machine learning, optimum, otomatisasi.