Prediksi kualitas air secara dini menjadi strategi penting untuk menjaga keberlangsungan budidaya ikan lele, terutama dalam sistem bioflok yang rawan terhadap perubahan parameter lingkungan. Pada Tugas Akhir ini, dikembangkan sistem prediksi berbasis machine learning dengan algoritma Random Forest untuk mengklasifikasikan kualitas air 6 menit ke depan ke dalam empat kategori, yaitu “Baik”, “Agak Baik”, “Agak Buruk”, dan “Buruk”. Model dibangun menggunakan pendekatan time-series dan dilatih dengan data publik. Tahapan pengembangan mencakup preprocessing data (resampling, interpolasi), feature engineering (lag dan rolling window), tuning model dengan Randomized Search. Hasil pengujian menunjukkan model mampu mencapai akurasi 98,05% dengan F1-score rata-rata 0,9478. Sistem ini diintegrasikan dengan antarmuka web berbasis HTML, Flask, dan Firebase yang menampilkan hasil prediksi dan data sensor secara real-time, lengkap dengan fitur grafik, tabel log historis, filter tanggal, serta ekspor data. Dengan perpaduan antara machine learning, IoT, dan website, sistem ini dapat memberikan informasi prediktif yang cepat dan akurat kepada pengguna untuk mendukung pengambilan keputusan yang lebih responsif dalam pengelolaan kualitas air kolam bioflok.