<![CDATA[Sektor keuangan memiliki peran penting dalam memberikan fasilitas kredit kepada nasabah, baik individu maupun perusahaan. Namun, setiap keputusan pemberian kredit mengandung tingkat risiko tertentu, terutama terkait kemungkinan nasabah gagal membayar kewajibannya. Oleh karena itu, diperlukan metode yang efektif untuk mengelola dan memprediksi risiko kredit. Salah satu metode yang banyak digunakan adalah algoritma Decision Tree C4.5, yang mampu menghasilkan model pengambilan keputusan yang mudah dipahami dan diinterpretasikan. Penelitian ini menerapkan algoritma C4.5 untuk membangun model prediksi risiko kredit nasabah, dengan tujuan membantu lembaga keuangan dalam mengevaluasi kelayakan kredit secara lebih akurat dan objektif. Proses klasifikasi dilakukan dengan mengelompokkan data nasabah ke dalam kategori risiko tertentu berdasarkan atribut-atribut seperti pendapatan, lama bekerja, jumlah pinjaman, dan status pembayaran sebelumnya.Hasil eksperimen menunjukkan bahwa algoritma Decision Tree C4.5 mampu membentuk struktur pohon keputusan yang menggambarkan hubungan antar atribut dan menghasilkan aturan klasifikasi (rule set) yang mudah diinterpretasikan. Dari pengujian yang dilakukan, model memperoleh tingkat akurasi sebesar 82,75%, menunjukkan bahwa metode ini cukup efektif dalam mengklasifikasikan tingkat risiko kredit nasabah. Kata Kunci: Prediksi Risiko Kredit, Algoritma C4.5, Decision Tree, Data Mining, RapidMiner.]]>
