Penyakit ginjal kronis merupakan masalah kesehatan serius yang memerlukan deteksi dini untuk penanganan yang tepat. Penelitian ini bertujuan untuk mengembangkan model prediksi penyakit ginjal kronis menggunakan metode Decision Tree dengan bantuan aplikasi RapidMiner. Data yang digunakan berasal dari platform Kaggle dengan 22 parameter kesehatan seperti tekanan darah, kadar gula darah, dan hasil tes laboratorium lainnya. Proses penelitian meliputi empat tahap utama: pengumpulan data, preprocessing menggunakan RapidMiner, pembuatan model Decision Tree, dan evaluasi performa. Preprocessing data mencakup pembacaan data dengan Read Excel, pengaturan Set Role untuk klasifikasi, dan pembagian dataset menggunakan Split Data. Model Decision Tree diimplementasikan dengan parameter gain ratio, maximal depth 10, serta fitur pruning dan prepruning. Hasil penelitian menunjukkan tingkat akurasi yang sangat baik yaitu 98.12%, dengan nilai presisi 65.34% dan recall 65.88%. Dari confusion matrix terlihat bahwa model hanya melakukan 5 kesalahan prediksi dari total dataset, yang terdiri dari 2 False Positive dan 3 False Negative. Model ini diharapkan dapat membantu tenaga medis dalam melakukan screening awal dan diagnosis penyakit ginjal kronis secara lebih efektif dan efisien