ABSTRAKSI: Penambahan data cuaca yang dihasilkan oleh BMKG terus meningkat, hal tersebut menjadi timbunan data. Penelitian yang dilakukan adalah memanfaatkan data cuaca beberapa tahun ke belakang untuk memprakirakan hujan. Teknik yang dilakukan adalah dengan data mining menggunakan metode pohon keputusan algoritma C4.5. Data masukan yang digunakan adalah data klimatologi BMKG stasiun geofisika kelas 1 Bandung dari tahun 2005 - 2009 . Proses pengujian dilakukan dengan membagi dua data, untuk tahun 2005 - 2008 digunakan sebagai training data dan tahun 2009 digunakan sebagai testing data . Dari hasil proses pengujian yang dilakukan pada algoritma C4.5 tanpa menggunakan pruning didapatkan a ccuracy hanya sebesar 2,47%, hal ini diakibatkan anomali cuaca pada training data cuaca yang digunakan, sehingga rule yang terbentuk tidak bekerja dengan baik. Sedangkan, pada algoritma C4.5 dengan menggunakan prepruning didapatkan accuracy sebesar 74,24%, pohon keputusan pada algoritma C4.5 menggunakan prepruning dilakukan penyederhanaan dengan memprediksi kemungkinan error pada node - nodenya, sehingga rule yang terbentuk dapat menghasilkan accuracy yang lebih baik.Kata Kunci : data mining , pohon keputus an, algoritma C4.5ABSTRACT: The addition of weather data generated by BMKG continues to increase, it becomes a heap of data. The study was conducted utilizing weather data for the past few years predicting rain. The technique is done by using a data mining algorithm C4.5 decision tree method. The input data used is a geophysical station climatological data BMKG 1st class Bandung from 2005 - 2009. The testing process is done by dividing the two data, for the years 2005 - 2008 are used as training data and the year 2009 is used as the testing data. From the results of the tests performed on the algorithm C4.5 without pruning obtained using only the acc uracy of 2.47%, this is due to weather anomalies in the training weather data is used, so the rule does not work well formed. Meanwhile, the C4.5 algorithm using prepruning obtained accuracy of 74.24%, C4.5 decision tree algorithm using the simplified prep runing predict the likelihood of errors in nodes, so the rule is formed can produce better accuracy.Keyword: data mining, decision tree, C4.5 algorithm