Diperlukan suatu metode data mining yang bisa memanfaatkan gunungan data yang dihasilkan oleh sebuah sistem dalam sebuah organisasi maupun lembaga, sehingga menjadi informasi yang bernilai strategis. Dalam penelitian ini, teknik data mining digunakan untuk membantu menemukan karakteristik jumlah peserta diklat yang dinyatakan lulus dan jumlah peserta diklat yang dinyatakan tidak lulus pada bank data diklat Udiklat PLN Jakarta. Sehingga untuk selanjutnya dapat digunakan dalam memprediksi tingkat kelulusan peserta diklat dimasa yang akan datang. Algoritma C4.5 dapat digunakan untuk prediksi tingkat kelulusan dengan melihat pola pada bank data diklat sebelumnya. Pada algoritma C4.5 dilakukan penghitungan entropy dan gain untuk memperoleh node akar dan node lainnya. Pada penelitian ini metode CRISP DM digunakan sebagai metode rekayasa perangkat lunaknya, pengerjaan sistem dilakukan secara berurutan atau secara linear. Pada proses pengujian telah dihasilkan jika data manual dan data hasil olah rapidminer adalah sama. Melalui pengujian menggunakan rapidminer di peroleh keakuratan prediksi sebesar 93.26%.

The needed a metode that can exploit the most of data that produce by a system from a organization or institute, so being that strategic information. In this research, technique of the data mining used for help to find the characteristic of training’s participant who used the pass and the training’s participant who failed for the bank data in Udiklat PLN Jakarta so for the next can be used for presume the step of the pass training in the future. Algorithm C4.5 can be use to predict the step of pass the training with the pattern of the bank data before. In algorithm C4.5 used for calculation entrophy and gain for get the node and another node. For this research the CRISP DM method used for software engineering method, the processing of system were systematic. On the testing process has been generate if the manual data and data of the result of rapidminer is the same. On the test using rapidminer is obtained to accuracy of 93.26%.