Data penelitian ini bersumber dari OpenDota API yang mencakup data pertandingan profesional DotA 2 pada patch 7.37, meliputi data matches, players, heroes constants, dan item constants dengan total 11.829 pertandingan. Penelitian ini bertujuan membangun model prediksi hasil pertandingan Dota 2 menggunakan algoritma Random Forest dengan penerapan teknik encoding fitur hero dan item yang tepat serta optimasi hyperparameter menggunakan Random Search untuk meningkatkan akurasi prediksi. Tantangan utama dalam prediksi hasil pertandingan DotA 2 terletak pada penanganan data kategorikal hero dan item yang kompleks, dimana representasi data yang tidak tepat dapat menyebabkan model berbasis pohon keputusan salah menginterpretasikan hubungan antar fitur kategorikal. Solusi yang ditawarkan adalah penggunaan algoritma Random Forest dengan penerapan encoding khusus untuk merepresentasikan data hero (nilai -1 untuk tim Dire, 1 untuk Radiant) dan data item (selisih jumlah antar tim), serta optimasi hyperparameter menggunakan Random Search. Hasil penelitian menunjukkan bahwa penerapan encoding pada fitur item dan hero serta hyperparameter tuning berhasil mencapai akurasi 90.03% dengan nilai ROC-AUC 96.40%, membuktikan efektivitas pendekatan encoding khusus dalam menangani data kategorikal untuk prediksi hasil pertandingan DotA 2 profesional.