Abstract: There are so many people who make credit loans, but there are still many customers who pass the eligibility selection to borrow credit and add to the list of customers with bad credit at Pegadaian Tanjungbalai. In 2020, there were 60 Tanjungbalai residents who made credit loans with different amounts of funds. Of the 60 customers, 25 of them have had many credit arrears in the last few months. The Tanjungbalai Pegadaian party must be able to select customers whose payments are always stuck, especially in suppressing the NPL value. Customer assessment with a good data record needs to be done carefully for further credit. This customer data is very important to analyze in getting the pattern of customers who apply for pawn loans in order to get the current, substandard or bad category. The application of the C 4.5 algorithm to classify customer patterns at Pegadaian Tanjungbalai makes it easier for employees to classify patterns of prospective customers for credit applications, namely eligible and not eligible. Keywords: C4.5 Algorithm; customer data; credit; pawnshops. Abstrak: Banyak sekali masyarakat yang melakukan pinjaman kredit tetapi masih saja banyak nasabah yang lolos dari seleksi kelayakan untuk meminjam kredit dan menambah daftar nasabah dengan kredit macet pada Pegadaian Tanjungbalai. Pada tahun 2020, tercatat terdapat 60 orang warga Tanjungbalai yang melakukan pinjaman kredit dengan besar dana yang berbeda-beda. Dari 60 orang nasabah tersebut, 25 orang diantaranya telah banyak memiliki tunggakan kredit selama beberapa bulan terakhir. Pihak Pegadaian Tanjungbalai harus dapat menyeleksi nasabah yang pembayarannya selalu macet terutama dalam menekan nilai NPL. Penilaian nasabah dengan record data yang baik perlu dilakukan dengan cermat untuk kredit selanjutnya. Data nasabah ini sangat penting untuk dianalisa dalam mendapatkan pola nasabah pemohon kredit gadai agar mendapatkan kategori lancar, kurang lancar atau macet. Penerapan algoritma C 4.5 untuk mengklasifikasi pola nasabah di Pegadaian Tanjungbalai memudahkan pegawai untuk mengelompokan pola calon nasabah permohonan kredit yaitu layak dan tidak layak. Kata Kunci: Algoritma C4.5; data nasabah; kredit; pegadaian.