Gaya belajar merupakan aspek penting dalam menentukan efektivitas proses pembelajaran, di mana setiap siswa memiliki preferensi unik dalam menyerap dan memahami informasi. Penelitian ini bertujuan untuk mengklasifikasikan gaya belajar siswa di MAN 3 Padang Lawas menggunakan kombinasi metode Support Vector Machine (SVM) dan Ensemble Random Forest dengan pendekatan Voting Classifier. Metode CRISP-DM digunakan sebagai kerangka kerja dalam penelitian ini, mencakup tahap pemahaman bisnis, pemahaman data, persiapan data, pemodelan, dan evaluasi. Data penelitian diperoleh melalui kuesioner berbasis VAK (Visual, Auditori, dan Kinestetik) yang dikumpulkan dari siswa MAN 3 Padang Lawas. Data tersebut dianalisis menggunakan metode machine learning untuk menentukan pola dominan dalam preferensi belajar siswa. Dalam proses klasifikasi, model SVM digunakan untuk mengidentifikasi pola berbasis margin optimal, sedangkan Random Forest dimanfaatkan untuk meningkatkan akurasi melalui penggabungan beberapa pohon keputusan. Untuk meningkatkan kinerja model, teknik Voting Classifier diterapkan dengan mengombinasikan hasil prediksi dari kedua algoritma tersebut. Hasil penelitian menunjukkan bahwa kombinasi metode SVM dan Ensemble Random Forest dengan Voting Classifier memberikan peningkatan akurasi dibandingkan dengan penggunaan metode tunggal. Evaluasi model dilakukan menggunakan metrik akurasi, precision, recall, dan F1-score untuk menilai kinerja klasifikasi. Dari hasil pengujian, model yang diusulkan terbukti efektif dalam mengidentifikasi gaya belajar siswa dengan akurasi yang lebih tinggi dibandingkan pendekatan konvensional. Temuan ini diharapkan dapat membantu guru dalam memahami dan menyesuaikan strategi pembelajaran sesuai dengan kebutuhan siswa, sehingga meningkatkan efektivitas proses pembelajaran di MAN 3 Padang Lawas.
Kata kunci: Gaya Belajar, Support Vector Machine, Random Forest, Voting Classifier, CRISP-DM, Machine Learning