Banyaknya kasus terorisme yang terjadi di Indonesia, kasus terorisme menimbulkan korban jiwa, kerusakan terhadap objek vital strategis dan fasilitas publik. Kemampuan memprediksi lokasi terorisme sangat penting untuk lembaga pertahanan dan keamanan pemerintah untuk dapat mencegah kasus terorisme. Pada penelitian ini, peneliti menggunakan data GTD dan 5 faktor pendorong terorisme yaitu Kepadatan Penduduk, Indeks Cahaya Malam Hari, Aksebilitasi Perkotaan, Elevasi, NDVI. Metode pembelajaran mesin Random Forest digunakan untuk memprediksi lokasi potensi terorisme di setiap pulau di Indonesia yaitu Sumatera, Jawa, Kalimantan, Sulawesi, dan Papua. Model Random Forest menghasilkan akurasi dan faktor pendorong tertinggi yang berbeda untuk di setiap pulau, pulau Sumatera 90,53% dan Sulawesi 92,5% dengan faktor pendorong tertinggi indeks cahaya malam hari, sedangkan pulau Jawa 96,59%, Kalimantan 100%, dan Papua 92,31% dengan faktor pendorong tertinggi kepadatan penduduk. Pada penelitian ini menunjukan bahwa metode Random Forest berhasil memprediksi lokasi potensi terorisme dengan baik dan dapat memberikan informasi mengenai faktor pendorong terorisme yang berbeda di setiap pulau. Dengan hasil ini, peneliti dapat merancang strategi pertahanan yang tepat untuk di setiap pulau berdasarkan faktor pendorong kasus terorisme yang terjadi di pulau tersebut.