Pendidikan memiliki peran penting dalam pembangunan bangsa, dengan guru sebagai elemen kunci dalam sistem pendidikan. Institusi Pendidikan menghadapi masalah ketidakseimbangan distribusi guru, di mana beberapa sekolah memiliki kelebihan guru sementara yang lain kekurangan. Proses mutasi guru yang saat ini didasarkan pada permintaan guru sendiri kurang efektif dalam memastikan distribusi yang merata. Penelitian ini bertujuan untuk mengembangkan alat bantu analisis berbasis machine learning untuk merekomendasikan penempatan guru yang optimal. Berdasarkan data Dapodik, selama periode Bulan Desember 2021 hingga Bulan Mei 2024, hanya terdapat 2.452 dari 41.722 guru yang dimutasi. Data lainnya yang digunakan yaitu data perhitungan jarak yang didapatkan melalui GoogleMaps API, dan data kebutuhan pegawai yang didapatkan dari peta kebutunan organisasi. Algoritma Gaussian Naive Bayes, Decision Tree, Random Forest dan Support Vector Machine (SVM) digunakan dalam rekomendasi penempatan guru. Hasil evaluasi menunjukkan bahwa Random Forest memiliki hasil yang lebih baik yaitu accuracy sebesar 79.16%, precision sebesar 74.52%, recall sebesar 79.16% dan F1-Score sebesar 76.09%, lebih stabil dibandingkan dengan algoritma lainnya. Penelitian ini menyimpulkan bahwa penggunaan machine learning dapat menjadi solusi efektif untuk masalah distribusi guru, meskipun masih diperlukan perbaikan dalam penanganan data tidak seimbang dan peningkatan akurasi rekomendasi penempatan. Alat bantu analisis ini diharapkan dapat membantu Institusi Pendidikan dalam membuat keputusan yang lebih baik terkait mutasi dan penempatan guru, sehingga meningkatkan kualitas pendidikan dan mengurangi temuan audit.