Sistem perbankan memiliki peran krusial dalam perekonomian suatu negara, terutama dalam pemberian kredit. Namun, risiko kredit selalu mengancam, dengan potensi gagal bayar oleh peminjam yang dapat mengganggu stabilitas finansial bank. Bank Rakyat Indonesia (BRI) adalah bank terbesar di Indonesia, dan kartu kredit adalah salah satu produk unggulannya. Peningkatan penggunaan kartu kredit telah menghasilkan data nasabah yang besar dan kompleks terkait perilaku pengguna kartu kredit.Dalam menghadapi kompleksitas ini, analisis data dan metode prediksi menjadi kunci untuk mengidentifikasi potensi kartu kredit macet secara dini. Salah satu alat yang dapat digunakan adalah algoritma C4.5, yaitu algoritma pembelajaran mesin berbasis pohon keputusan. Algoritma ini membantu bank mengidentifikasi faktor-faktor yang memengaruhi risiko kredit nasabah.Penelitian ini bertujuan untuk mengatasi kompleksitas tersebut dengan mengembangkan model prediksi kartu kredit macet menggunakan algoritma C4.5 berdasarkan data pribadi nasabah layanan simpan pinjam Bank BRI. Dengan demikian, penelitian ini berpotensi meningkatkan kemampuan bank dalam mengelola risiko kredit dan mempertahankan stabilitas finansial mereka.