Bu çalışma, ağaç tabanlı makine öğrenme yöntemlerini kullanarak Borsa İstanbul’da işlem gören imalat sektörü firmalarının finansal başarısızlığını tahmin etmeyi ve en başarılı yöntemi belirlemeyi amaçlamaktadır. Tahmin sürecinde Rastgele Orman (Random Forest - RF) ve Aşırı Gradyan Artırma (Extreme Gradient Boosting - XGB) modelleri kullanılmış, 204 firmanın 2023-2024 dönemi verileriyle finansal başarısızlığı tahmin edilmiştir. Tahmin sonuçlarında RF modelinin daha başarılı performans sergilediği, ayrıca modellerin tahminine en çok katkıyı sunan değişkenin Esas Faaliyet Kârı / Kısa Vadeli Borçlar oranı olduğu tespit edilmiştir. Sonuçlar finansal başarısızlık tahminlerinde iki farklı ağaç tabanlı makine öğrenmesi yönteminin performansını imalat sektöründen verilerle ortaya koymakta ve tahminlerde kısa vadeli borçları ödeyebilme kapasitesi olarak esas faaliyet karlılığını öne çıkarmaktadır.