Banyaknya pilihan lagu pada platform lagu digital memberikan kemudahan dalam memperoleh pilihan lagu, tetapi di sisi lain dapat menyulitkan pendengar dalam menemukan lagu yang sesuai dengan minat dan kebutuhan. Banyaknya pilihan yang tersedia dapat menyebabkan information overload, yaitu kondisi ketika informasi yang tersedia terlalu banyak sehingga sulit menentukan informasi yang paling relevan. Oleh karena itu, diperlukan sistem rekomendasi yang dapat membantu menemukan lagu berdasarkan karakteristik yang sesuai. Penelitian ini bertujuan menerapkan algoritma Random Forest Classifier pada sistem rekomendasi lagu berbasis Content-Based Filtering. Random Forest Classifier digunakan untuk mengklasifikasikan genre lagu berdasarkan sembilan fitur audio, yaitu danceability, energy, loudness, speechiness, acousticness, instrumentalness, liveness, valence, dan tempo. Hasil klasifikasi genre selanjutnya digunakan dalam proses Content-Based Filtering untuk mencari lagu yang memiliki karakteristik serupa dengan lagu yang dipilih. Hasil pengujian menunjukkan bahwa model Random Forest Classifier pada skenario Genre Selection memperoleh accuracy sebesar 0,66. Sistem rekomendasi menghasilkan Precision@10 sebesar 0,9915, Precision@30 sebesar 0,9866, dan Precision@50 sebesar 0,9832, sedangkan Recall@10, Recall@30, dan Recall@50 masing-masing sebesar 0,1015, 0,3030, dan 0,5033. Hasil tersebut menunjukkan bahwa penerapan Random Forest Classifier dan Content-Based Filtering dapat menghasilkan rekomendasi lagu yang relevan berdasarkan karakteristik audio.