Kanker payudara merupakan jenis kanker yang banyak terjadi sehingga menjadi masalah yang sangat penting pada kesehatan wanita. Kanker payudara merupakan kasus tumor ganas tertinggi yang terjadi secara global. Pada penelitian ini, akan digunakan model Random Forest dengan seleksi fitur Information Gain untuk prediksi kanker payudara. Dataset yang digunakan dalam penelitian adalah Wisconsin Diagnostic Breast Cancer yang diperoleh dari situs Kaggle. Untuk mengetahui konfigurasi hyperparameter Random Forest terbaik, akan digunakan metode Grid Search dengan menerapkan Cross Validation. Untuk mengetahui jumlah fitur yang menghasilkan akurasi tertinggi, akan dibuat model Random Forest dengan jumlah fitur yang berbeda-beda. Hasil accuracy, recall, dan precision terbaik adalah 92.98%, 87.81%, dan 92.31% secara berturut-turut dengan menggunakan 11 fitur dan konfigurasi hyperparameter criterion: entropy, n estimator: 50, dan max depth: 6.