Ahli geologi dapat membuat keputusan yang buruk karena waktu, biaya, data, dan mineral yang telah ditemukan terbatas. Untuk itu diperlukan suatu model yang dapat membantu para ahli geologi dalam menemukan mineral. Model ini dibuat dengan melakukan preprocessing terhadap sebelas data input tersebut menjadi sebuah peta, kemudian menggunakan peta tersebut untuk dijadikan training data dan dilatih dengan menggunakan algoritma Random Forest yang dibuat di Google Colab menggunakan parameter optimal dari hasil grid search dari enam parameter yang diuji. Metodologi penelitian yang digunakan adalah Metode Simulasi. Hasil dari penelitian ini adalah peta probabilitas mineral dengan akurasi model Random Forest mencapai 95,01%, dengan rata-rata sepuluh skenario cross-validation mencapai 90,25%, dan anomali gravitasi merupakan fitur yang paling berpengaruh. Random Forest dapat digunakan dalam pencarian mineral, dan dapat diimplementasikan di lapangan jika dapat mengumpulkan data dan analisis lebih lanjut.
Kata kunci: Random Forest, Machine Learning, Mineral, Provinsi Jawa Barat