Penelitian ini bertujuan untuk mengembangkan model machine learning guna memprediksi produksi kelapa sawit menggunakan algoritma Decision Tree dan Random Forest. Berdasarkan hasil evaluasi, model Random Forest terbukti memiliki performa yang lebih baik dibandingkan Decision Tree. Random Forest mencapai Mean Absolute Error (MAE) sebesar 1031.81 dan koefisien determinasi (R²) sebesar 0.491, yang mampu menjelaskan 49.1% variasi dalam data. Sebaliknya, Decision Tree hanya menghasilkan MAE sebesar 1235.18 dan R² sebesar 0.379. Selain itu, Random Forest menunjukkan keunggulan dengan kinerja prediksi yang lebih akurat. Implementasi model terbaik ini ke dalam sebuah website prediksi produksi kelapa sawit telah berhasil dilakukan, dengan pengujian Black Box memverifikasi fungsionalitas semua fitur utama. Sistem ini menyediakan alat prediksi yang andal, mudah digunakan, dan praktis, yang diharapkan dapat berkontribusi signifikan dalam perencanaan dan pengambilan keputusan terkait produksi kelapa sawit di masa depan.