UP3 Manokwari dalam menangani gangguan jaringan distribusi penyulang, UP3 Manokwari memiliki masalah dalam mengetahui lokasi gangguan dan mengelompokkan titik dan jenis gangguan. Adapun masalah lainnya adalah perekapan laporan gangguan yang masih bersifat konvensional yang mana laporan detail gangguan tersebut jarang direkap secara real time dan penyampaian informasi mengenai informasi gangguan kurang efektif kepada petugas dan pimpinan. Tujuan penelitian ini adalah diperoleh suatu pola atau node menggunakan algoritma C4.5 untuk mengklasifikasi titik dan jenis gangguan jaringan distribusi penyulang, serta untuk membantu petugas dalam proses perekapan detail gangguan. Penelitian ini menggunakan tahapan metode CRISP-DM. Evaluasi pola menggunakan tools Rapidminer serta menggunakan Confusion Matrix untuk pengujian tingkat akurasi metode klasifikasi. Hasil penelitian menunjukan bahwa untuk mengklasifikasi titik gangguan dapat ditentukan oleh faktor beban gangguan dan relay dengan 3 (tiga) pola / node sedangkan untuk klasifikasi jenis dapat ditentukan oleh faktor kerusakan yang terjadi dan penyebab gangguan dengan 16 pola / node aturan tingkat akurasi model algoritma C4.5 sebesar 87.80% untuk klasifikasi jenis gangguan dan 96.15% untuk klasifikasi titik gangguan.

UP3 Manokwari in dealing with the disruption of distribution network feeders, UP3 Manokwari have a problem in knowing the location of the disturbance and classify the point and type of disorder. As for the other problems is the recap report of a disorder that is still conventional, where reports detail the disorder is rarely recapitulated in real time and delivering information on the information interruption is less effective to the officers and leaders. The purpose of this study is to obtain a pattern or node by using the algorithm of C4.5 to classify the point and the type of disorder distribution network feeders, as well as to help officers in the process of summarizing detail disorders. This study uses the stages of the method CRISP-DM. The evaluation of the patterns using the tools Rapidminer and use the Confusion Matrix for testing the accuracy rate of classification methods. The results of the study showed that to classify the fault point can be determined by the load factor the interference and relay with 3 (three) pattern / node whereas for the classification type can be determined by factors that damage occurred and the cause of the disorder with a 16 pattern / node level rules the accuracy of the model algorithm the C4.5 of 87.80% for the classification of types of disorders and 96.15% for the classification of the point of interruption.