P Penelitian ini membahas evaluasi dan optimasi random forest untuk mendukung keputusan leveling adaptif pada pelatihan hospitality berbasis virtual reality (vr) bagi anak down syndrome. vr digunakan sebagai media pelatihan dan sumber data perilaku pengguna, sedangkan fokus penelitian diarahkan pada evaluasi model machine learning, bukan pada pengembangan teknis sistem vr. data yang digunakan berupa data session-level yang terdiri dari enam fitur perilaku, yaitu current_level, avg_hand_velocity, max_hand_jerk, hesitation_time, focus_consistency, dan total_duration. data periode januari hingga april sebanyak 406 sesi digunakan sebagai data pelatihan, sedangkan data potads periode juni sebanyak 123 sesi digunakan sebagai data uji eksternal. label kelulusan dibentuk menggunakan pendekatan rule-based risk score yang diinformasikan oleh observasi awal dan masukan pendamping, sehingga label diposisikan sebagai label operasional, bukan diagnosis klinis. model baseline random forest memperoleh accuracy sebesar 0,8211 dan f1-score sebesar 0,8308 pada data potads juni. setelah optimasi hyperparameter menggunakan randomizedsearchcv, model optimized memperoleh accuracy sebesar 0,8455 dan f1-score sebesar 0,8613. brier score juga menurun dari 0,1390 menjadi 0,1282, yang menunjukkan kualitas probabilitas model optimized lebih baik. hasil analisis menunjukkan bahwa fitur seperti total_duration, avg_hand_velocity, focus_consistency, hesitation_time, dan max_hand_jerk berkontribusi terhadap prediksi model. probabilitas kelas lulus digunakan sebagai dasar keputusan leveling adaptif dengan kategori naik level, naik level dengan catatan, evaluasi tambahan, dan ulang level. model hasil optimasi juga disiapkan untuk deployment ke sistem vr melalui artefak model, scaler, metadata, dan export model ke c#. hasil penelitian menunjukkan bahwa random forest dapat digunakan sebagai sistem pendukung keputusan untuk evaluasi performa pengguna pada pelatihan hospitality adaptif berbasis vr, dengan tetap menempatkan hasil model sebagai pendukung keputusan, bukan pengganti penilaian ahli.