Mendapatkan program Kartu Jakarta Pintar (KJP) harus memenuhi berbagai persyaratan dan kriteria, sayangnya proses penerimaan ini masih dilakukan secara subjektif sehingga rentan untuk tepat sasaran. Knowledge Discovery in Database (KDD) diperlukan dalam penentuan penerima KJP dengan menemukan pola prediksi terbaik. Penelitian ini membandingkan algoritma klasifikasi yaitu ID3 dan Naïve Bayes guna mengekstrak data kemudian mencari model yang sesuai dalam penentuan proses penerimaan KJP dengan menggunakan sekelompok data sehingga didapatkan persentase precision, recall dan accuracy. Keduanya memiliki proses awal yang sama yaitu pre processing atau data cleaning guna membuang data yang tidak sesuai baik data kosong maupun tidak konsisten. Pada algoritma ID3 digunakan pohon keputusan dimana sebelumnya diperlukan pencarian entropi dan gain sedangkan pada Naïve Bayes dengan menghitung jumlah class. Hasil Analisa keduanya kemudian dilakukan proses pengujian dilakukan untuk membandingkan tingkat akurasi data dengan menerapkan confussion matrix dan visualisasi kurva ROC. Hasil pengujian didapat algoritma ID3 menunjukkan tingkat akurasi yang lebih tinggi 77,78% setelah dibandingkan dengan Naïve Bayes. Tools yang digunakan dalam pengolahan data ini yaitu Rapid Miner.