Covid-19 merupakan penyakit yang disebabkan oleh virus Severe Acute Respiratory Syndrome Coronavirus-2 (SARS-CoV-2). Virus ini dapat menginfeksi manusia melalui interaksi protein virus dengan protein manusia. Data yang digunakan pada penelitian ini berupa data barisan asam amino SARS-CoV-2 dan data barisan asam amino manusia. Data perlu dilakukan ekstraksi fitur agar dapat dilakukan pengklasifikasian menggunakan Random Forest. Ekstraksi data dilakukan dengan menggunakan metode global encoding. Selain itu pula, penelitian ini juga membandingkan performa Random Forest yang dikombinasikan dengan global encoding dengan L = 2,3,4,5,6 dalam memprediksi interaksi protein . Data barisan asam amino diklasifikasikan kedalam dua kelas yaitu berinteraksi dan tidak berinteraksi. Model terbaik yang diperoleh pada penelitian ini yaitu model Random Forest dengan menggunakan parameter global encoding L = 2. Model mencapai nilai akurasi sebesar 81,3%, dan nilai F1-score sebesar 81,9%, dengan demikian dapat disimpulkan bahwa model random forest yang dikombinasikan global encoding dapat mengklasifikasikan interaksi protein dengan baik. Model prediksi yang diperoleh diharapkan dapat digunakan sebagai alat bantu untuk memprediksi protein manusia yang berpotensi berinteraksi dengan protein SARS-CoV-2 guna kepentingan penelitian pembuatan obat SARS-CoV-2.
Kata Kunci : CART, Global Encoding, Random Forest.