Seiring dengan digalakkannya Industrial 4.0, data mining menjadi topik yang hangat untuk bahas dikalangan peneliti. Perkembangan teknologi yang begitu cepat memaksa kita untuk dapat mengambil keputusan dengan cepat pula. Kredit macet menjadi salah satu resiko terbesar lembaga keuangan. Resiko kredit macet ini wajib diminimalisir dengan menganalisa faktor status nasabah berdasarkan data personalnya, sehingga dapat dilakukan klasifikasi berdasarkan  hubungan antar faktor tersebut. Salah satu kunci utama memenangkan persaingan pasar yaitu dengan menentukan target pasar. Data mining menyediakan banyak alat bantu untuk klasifikasi, salah satunya dengan menggunakan metode analisis CHAID (Chi-square Automatic Interaction Detection Analysis). Diagram pohon keputusan yang dihasilan dari Analisis CHAID dapat memberikan informasi tentang derajat hubungan antara variable independent dan dependent, serta informasi tentang karakteristik masing-masing kategori. Dalam hal ini, analisis CHAID digunakan untuk menentukan klasifikasi nasabah berdasarkan status kredit nasabah sebagai variable terikat dan data pribadi nasabah sebagai variable bebas. Dengan menggunakan uji Chi-square, dari total 7 variables independent, hanya 5 variable yang signifikan dengan variable dependent. Variable-variable tersebut adalah variable independent usia, pekerjaan, pendidikan, jangka waktu dan jumlah pinjaman. Berdasarkan hasil analisis CHAID didapatkan empat kelas. Kelas nasabah dengan pekerjaan sebagai (Aparatur Sipil Negara) ASN merupakan kelas yang memiliki resiko kredit macet yang paling minimal.