P T XYZ merupakan sebah persahaan manufaktur yang membuat sepeda motor. Dari hasil pengamatan dan wawancara di PT XYZ proses casting Low Pressure Die Casting diketahui nilai rata-rata downtime mesin LPDC 1 hingga LPDC 4 adalah sebesar 1483 menit per bulan. Kegiatan perawatan pencegahan yang dilakukan saat ini membutuhkan evaluasi dengan menggunakan pendekatan statistik untuk membantu perusahaan melakukan kebijakan perawatan mesin yang mendukung tercapainya target produksi. Pemanfaatan pendekatan Data Mining SEMMA dengan penerapan algoritma Naïve Bayes dan Decision Tree C4.5 digunakan dalam menganalisis data agar efisien dan terstruktur dan dapat membangun model dengan tepat, sehingga kedua algoritma memberikan pengambilan keputusan lebih baik. Tujuan penelitian ini adalah untuk menerapkan algortima Naïve Bayes dan Decision Tree C4.5 dalam memutuskan kebijakan perawatan. Penelitian ini dimulai dengan penggumpulan data historis downtime mesin LPDC dari bulan July hingga Desember 2023. Data tersebut akan dilakukan pembersihan terlebih dahulu lalu dan diolah dengan software RapidMiner menggunakan algoritma Naïve Bayes dan Decision Tree C4.5. Hasil dari pemanfaatan software RapidMiner bahwa penggunaan algoritma Naïve Bayes memiliki nilai accuracy sebesar 89,47% dan Decision Tree C4.5 accuracy 63,16%. Berdasarkan hasil analisa bahwa mesin LPDC 3 dan 4 mengalami downtime kategori tinggi berada di shift 1 dan 2 diakibatkan dari penggantian komponen hidrolik. Hasil algoritma Naïve Bayes pada menghasilkan LPDC 1 diprediksi diperlukannya pemeriksaan/perbaikan komponen Tombol Master dengan nilai confidance “TIDAK” (0,648) dan LPDC 2 diprediksi dilakukannya penggantian komponen Thermocouple dengan nilai confidance “YA” (1,000). Usulan yang diberikan yaitu memberikan jenis perawatan pada mesin 3 dan 4 penggantian komponen hidrolik dan LPDC 2 penggantian komponen thermocouple sedangkan LPDC 1 pemeriksaan atau perbaikan tombol master. Manfaat dari penelitian ini di PT XYZ adalah untuk mengambil tindakan pencegahan lebih efektif dalam mengurangi risiko kerusakan mesin LPDC.Kata Kunci: Data Mining, Naïve Bayes, Decision Tree C4.5, SEMMA, Predictive Maintenance.