Kecelakaan sepeda motor merupakan kecelakaan yang tidak terduga dan hal yang umum, ketika terjadi kecelakaan terjadi di lokasi terpencil dimana populasi di daerah tersebut sedikit dan tidak ada yang menolong korban kecelakaan, menyebabkan korban kecelakaan kehilangan nyawa dikarenakan pendarahan dalam dan luar, patah tulang, luka berat, dan jenis cedera lainnya. Beberapa metode yang dapat diterapkan untuk mengelola data kontinu yaitu metode Random Forest, Decision Tree, dan NaiveBayes yang bertujuan untuk mendeteksi sepeda motor ketika jatuh dan tidak untuk menentukan kinerja metode klasifikasi yang lebih baik dari yang lain. Oleh karena itu pada tugas akhir ini dilakukan implementasi metode klasifikasi Random Forest, Decision Tree dan NaiveBayes pada data kontinu dari sensor MPU6050 untuk menentukan metode klasifikasi yang lebih baik. Metode yang dilakukan yaitu melakukan pengumpulan data melalui sensor MPU6050 pada sepeda motor kemudian diimplementasikan kepada masing-masing metode yang dilakukan, kemudian hasil uji dibandingkan untuk mencari hasil uji terbaik dan diimplementasikan pada perangkat pendeteksi kecelakaan sepeda motor berbasis Internet of Things (IoT). Hasil metode klasifikasi Random forest mendapatkan akurasi 95% yang lebih baik kinerjanya pada data kontinu dari metode lain yang telah diuji juga sebelumnya, maka dari itu metode klasifikasi Random Forest digunakan untuk menentukan terjadinya kecelakaan dan tidak.