Prediksi financial distress pada perusahaan yang terdaftar di Bursa Efek Indonesia dengan menerapkan algoritma decision tree menggunakan data sebanyak 750 records, dimana 90% data dengan jumlah 675 digunakan sebagai data training. Sedangkan 10% data dengan jumlah 75 digunakan sebagai data testing. Penelitian ini bertujuan untuk mengetahui prediksi financial distress pada perusahaan yang terdaftar di Bursa Efek Indonesia. Implentasi data menggunakan tools Orange Data Mining dengan algoritma decision tree memperoleh tingkat akurasi sebesar 98.7%, F1 Score sebesar 98.8%, Precision sebesar 97.6%, Recall sebesar 1.00%,. Dengan nilai Area Under Curve (AUC) sebesar 98.4% termasuk dalam kelompok “Excellent Classification”. Hasil evaluasi menggunakan confusion matrix memperoleh tingkat akurasi sebesar 98.7%, F1 Score sebesar 98,6% Precision sebesar 97.7%, Recall sebesar 99.7%, dan Specificity sebesar 97.5%. Hasil evaluasi menggunakan grafik ROC Analyis algoritma decision tree hasil kurva menunjukkan lebih dekat dengan batas kiri mendekati 1. Dengan rasio “Debt to Tottal Asset Ratio (DAR)” yang menjadi root node (akar) dalam pola pohon keputusan dalam penelitian ini.