Kerusakan jalan akibat ODOL (Over Dimension Over Loading) meningkatkan anggaran pemeliharaan jalan yang tidak sedikit yaitu rata-rata Rp 43,45 triliun per tahun. Selain itu, banyak terjadi kecelakaan yang melibatkan truk ODOL atau muatan berlebih dan dimensi. Tingkat pelanggaran yang disebabkan oleh kendaraan ODOL masih tinggi, sehingga diperlukan teknologi yang mampu untuk pengelolaan data dan berfungsi sebagai referensi untuk mengetahui pendekatan yang tersembunyi dalam kumpulan data, serta menganalisis pengelompokan antara data dan atribut untuk memudahkan pengambilan keputusan serta membuat kebijakan. Penelitian ini menerapkan metodologi CRISP-DM menggunakan model pohon keputusan dengan algoritma C4.5. Tujuan dari penelitian ini adalah untuk mengklasifikasikan tren pelanggaran angkutan barang berdasarkan data pelanggaran di UPPKB. Data penelitian adalah data primer yang didapat dari Direktorat Prasarana Transportasi Jalan Kementerian Perhubungan melalui sistem jembatan timbang online (JTO). Hasil yang diharapkan dari penelitan ini adalah dapat mengetahui pola klasifikasi tren pelanggaran kendaraan angkutan barang berdasarkan hasil pohon keputusan algoritma C.45, sehingga hasil penelitian dapat menjadikan acuan dalam pengembilan keputusan dan membuat kebijakan. Hasil dari penelitian ini menjunjukkan bahwa performa akurasi pada pengujian data mining klasifikasi tren pelanggaran kendaraan angkutan barang dengan 10 fold cross validation linear sampling menghasilkan akurasi 86.31% +/- 1.23% (micro average: 86.31%), shuffled sampling menghasilkan akurasi 86.34% +/- 0.67% (micro average: 86.34%) dan stratified sampling menghasilkan akurasi 86.34% +/- 0.67% (micro average: 86.34%).