Penyakit iKutil adalah imasalah ikesehatan kulit, biasanya iditandai idengan ibenjolan ikecil idan ikasar di permukaan ikulit iyang idisebabkan ioleh ivirus, iyang idikenal sebagai human papillomavirus (HPV). Cara ipengobatan ikutil yang umum adalah dengan imunoterapi, yaitu pengobatan kutil dengan memperkuat sistem kekebalan tubuh. Dalam proses prediksi dan diagnosa penyakit kutil dapat dilakukan dengan menerapkan Machine Learning. Dalam penelitian ini berfokus pada komparasi metode klasifikasi K-Nearest Neighbor dengan Random Forest untuk melihat tingkat akurasi pada prediksi keberhasilan dari pengobatan penyakit kutil. Data untuk Immunotheraphy diperoleh dari UCI Machine Learning Repository dengan jumlah sebanyak 90 record data, 7 atribut dan 1 kelas atribut. Berdasarkan hasil pengujian metode K-Nearest Neighbor dan Random Forest untuk melihat akurasi dari prediksi keberhasilan data yang diujikan, diperoleh hasil yaitu akurasi dari metode KNN sebesar 90.00 % dan imetode iRandom iForest idengan itingkat iakurasi 85,50 %. Dari hasil yang diperoleh terhadap pengujian yang telah dilakukan, idiketahui ibahwa imetode iRandom Forest imerupakan imetode iyang ilebih baik dibandingkan idengan K-Nearest Neighbor dalam memprediksi akurasi pada Immunotheraphy Dataset.