Perkembangan smartphone yang semakin pesat menghasilkan beragam perangkat dengan spesifikasi dan rentang harga yang berbeda, sehingga diperlukan metode klasifikasi yang mampu mengelompokkan smartphone secara objektif berdasarkan karakteristik teknisnya. Penelitian ini bertujuan menganalisis atribut yang paling informatif menggunakan Decision Tree C4.5 serta membangun model klasifikasi segmen harga smartphone menggunakan Random Forest yang dioptimalkan melalui hyperparameter tuning. Dataset yang digunakan berjumlah 3.260 data smartphone dengan enam fitur utama, yaitu kapasitas RAM, penyimpanan internal, jumlah inti prosesor, kapasitas baterai, resolusi kamera utama, dan ukuran layar. Label kelas dibentuk berdasarkan harga yang dikonversi dari INR ke IDR menjadi tiga kategori, yaitu Entry-Level, Mid-Range, dan Flagship. Data dibagi secara stratified menjadi 80% data latih dan 20% data uji. Analisis C4.5 menunjukkan bahwa kapasitas penyimpanan merupakan atribut root node dengan threshold 192 GB dan Gain Ratio sebesar 0,3804. Random Forest baseline menghasilkan Accuracy 85,12%, Precision Macro 82,92%, Recall Macro 80,81%, dan F1-Score Macro 81,77%. Setelah tuning menggunakan GridSearchCV dengan lima-fold StratifiedKFold, model memperoleh Accuracy 85,12%, Precision Macro 83,44%, Recall Macro 81,03%, dan F1-Score Macro 82,15%. Model hasil tuning kemudian diimplementasikan pada website klasifikasi smartphone.