Salah satu program strategis yang ada di Indonesia untuk menanggulangi kemiskinan adalah Program Keluarga Harapan (PKH) yang dilakukan oleh pemerintah melalui pemberian uang tunai kepada keluarga sangat miskin. Permasalahan yang terjadi pada PKH adalah adanya penyaluran bantuan yang masih belum tepat sasaran. Maka dari itu penelitian ini bertujuan untuk membuat model klasifikasi penerima bantuan PKH untuk mengatasi permasalahan tersebut. Algoritma yang digunakan untuk membuat model klasifikasi adalah Naïve Bayes Classifier (NBC), K-Nearest Neighbor (K-NN), dan C4.5. Metode validasi yang digunakan adalah K-Fold Cross Validation (K = 10). Jumlah atribut yang digunakan adalah 33 atribut. Data yang digunakan untuk pembuat model klasifikasi (data setelah praproses) adalah sebanyak 378 data calon penerima PKH. Berdasarkan hasil percobaan algoritma NBC menghasilkan nilai akurasi sebesar 77,51%, algoritma K-NN (K = 3) menghasilkan nilai akurasi sebesar 76,72%, algoritma C4.5 menghasilkan nilai akurasi sebesar 80,16%. Selain itu, algoritma C4.5 berhasil mereduksi jumlah atribut, dari 33 atribut menjadi 8 atribut saja, yaitu: jumlah art, fasbab, rumah lain, ada emas, ada lemari es, jumlah kamar, dinding, dan pembuangan tinja. Hal ini mengurangi kompleksitas dari model klasifikasi yang dihasilkan oleh algoritma C4.5.