Portofolio dapat membantu investor untuk memilih saham mana yang terbaik dengan bobot yang optimal. Dalam berinvestasi investor tentu berharap mendapatkan keuntungan tinggi dengan resiko rendah. Pada optimasi portofolio indikator umum yang digunakan yaitu expected return dan resiko, namun mempertimbangkan dua hal itu saja tidak cukup untuk mendapatkan portofolio yang terbaik. Masalah yang dibahas pada tugas akhir ini yaitu seleksi portofolio menggunakan informasi dari prediksi return menggunakan metode Random Forest. Data yang digunakan adalah data indeks LQ45 selama 7 tahun (2015-2022). Hasil dari tugas akhir ini berupa data kelompok saham dari sektor yang berbeda. Pengujian dilakukan dengan menggunakan prediksi return dan tanpa prediksi return dengan melihat stadar deviasi terkecil dan pertumbuhan portofolio terbesar. Kelima kelompok saham ini dilakukan seleksi portofolio dengan pembobotan equal weight. Hasil dari prediksi return menggunakan metode Random Forest dievaluasi menggunakan Mean Absolute Percentage Error (MAPE) mendapatkan nilai (23.62263) dan MAPE terkecil dari saham MNCN dengan nilai (9.90716). Dari hasil pengujian yang dilakukan portofolio dengan prediksi return menghasilkan standar deviasi lebih besar dan average return kecil, dibanding dengan portofolio tanpa prediksi return menghasilkan portofolio dengan standar deviasi lebih kecil dengan average return besar serta menghasilkan pertumbuhan portofolio lebih baik.
Kata kunci : Portofolio, Return, LQ45, Random Forest Regression