Proses persetujuan pinjaman merupakan komponen penting dalam sistem keuangan yang menuntut akurasi dan efisiensi tinggi. Namun, banyak lembaga keuangan kecil hingga menengah masih mengandalkan proses manual yang tidak efisien. Proyek ini bertujuan mengembangkan sistem prediksi persetujuan pinjaman berbasis Machine Learning (ML) menggunakan algoritma RandomForestClassifier dan mengimplementasikannya ke dalam aplikasi web menggunakan Flask. Data pelatihan diolah melalui tahapan lengkap seperti pembersihan data, encoding, pembagian data (70:30), normalisasi, pelatihan model, serta optimasi hyperparameter menggunakan GridSearchCV. Model terbaik yang dihasilkan memiliki akurasi sebesar 78.91%, recall sebesar 0.98, dan F1-score sebesar 0.86 untuk kelas persetujuan pinjaman. Evaluasi dilakukan melalui classification report, confusion matrix, serta pengujian manual pada data uji dan form input antarmuka pengguna. Hasil pengujian menunjukkan bahwa sistem berhasil memberikan prediksi yang akurat, stabil, dan dapat digunakan secara real-time. Website dikembangkan menggunakan HTML, CSS, dan Flask, dengan desain antarmuka sederhana dan validasi input untuk memastikan kualitas data yang masuk. Keseluruhan sistem berhasil memenuhi tujuan proyek ini, serta memiliki potensi diterapkan pada lembaga keuangan sebagai solusi awal proses evaluasi kelayakan kredit secara otomatis.