Penelitian ini bertujuan membangun model *machine learning* untuk memprediksi kelelahan kerja menggunakan algoritma *Random Forest*, dengan prediktor parameter *gait* kinematik dari sistem *motion capture* dan kinetik dari *force plate*. Penelitian ini meliputi tujuh tahap utama: (1) studi pendahuluan, (2) pengambilan data dengan *motion capture* dan *force plate*, (3) persiapan data (pembersihan, pelabelan, eksplorasi, pembagian *dataset*), (4) konstruksi tiga model prediksi (*kinetik, kinematik, dan kombinasi*), (5) evaluasi model (*akurasi, presisi, sensitivitas*), (6) pemilihan model terbaik, dan (7) penarikan kesimpulan dan saran. Desain eksperimen menggunakan *within-subject design* dengan faktor kelelahan (lelah vs. tidak lelah) pada 12 partisipan, melakukan *manual material handling* (MMH) setelah protokol kelelahan (*treadmill*). Data diolah dengan Vicon Nexus, diekstraksi ke CSV, dan diproses lebih lanjut menggunakan bahasa pemrograman R. Model terbaik divalidasi menggunakan *cross-validation* untuk memastikan representasi dunia nyata dan menghindari *overfitting*. Hasil penelitian dievaluasi untuk implikasi manajerial dan potensi pengembangan penelitian lebih lanjut.