−Penyakit ginjal kronis (PGK) adalah masalah kesehatan masyarakat dunia dengan prevalensi dan insiden gagal ginjal kronis yang sering selalu meningkat setiap tahun Penyakit ginjal kronis ini perlu didiagnosis sejak dini menggunakan algoritma klasifikasi. Dataset yang digunakan yaitu Chronic Kidney Disease Dataset dari UCI Repository dengan 400 data dan 25 fitur. Metode pengklasifikasi yang digunakan yaitu Catboost. Catboost baik untuk melakukan klasifikasi terhadap data dengan fitur kategorikal, namun kinerja algoritma  ini masih bisa ditingkatkan. Untuk mengatasi permasalahan tersebut peneliti menggunakan solusi Hyper-parameter tuning. Catboost memiliki beberapa Hyper-parameter yang dapat dikonfigurasi untuk meningkatkan kinerja dari model. Masalah mengidentifikasi nilai yang baik untuk Hyper-parameter disebut Hyper-parameter tuning. Metode Hyper-parameter tuning yang digunakan yaitu Random Search yang kemudian divalidasi menggunakan 10-Fold Cross Validation sebanyak 30 iterasi. Hyper-parameter Catboost yang dikonfigurasi antara lain depth, learning_rate dan Iterations. Pengujian pada Catboost tanpa Hyper-parameter tuning memperoleh akurasi sebesar 97,5%. Untuk pengujian Catboost dengan Hyper-parameter tuning memperoleh akurasi sebesar 97,5%. Menambahkan Hyper-parameter tuning pada metode klasifikasi Catboost tidak menigkatkan hasil akurasi.