Liver merupakan salah satu organ penting dalam tubuh manusia yang berperan dalam proses metabolisme tubuh. Mengutip artikel dari American Liver Foundation, pada tahun 2020 sebanyak 51.642 orang dewasa di Amerika Serikat meninggal akibat penyakit liver. Data hasil tes fungsi liver dari laboratorium dapat digunakan untuk mendiagnosis penyakit liver. Klasifikasi penyakit liver pada pasien perlu dilakukan dengan baik karena hasilnya dapat membantu dalam diagnosis awal apakah seorang pasien mengidap penyakit liver. Pada penelitian ini menggunakan dataset Indian Liver Patient Dataset (ILPD) dari UCI Machine Learning Repository dengan 11 fitur dan 583 data. Metode pengklasifikasi yang digunakan yaitu Algoritma C4.5 karena metode ini merupakan salah satu metode yang dapat menganalisis data dalam jumlah yang banyak. Pada penelitian ini dilakukan metode seleksi fitur algoritma genetika  dengan kombinasi parameter pc 0,1-1 dan pm 0,1-1. Selain itu, juga menggunakan metode Synthetic Minority Oversampling Technique (SMOTE) dengan k: 5. Berdasarkan hasil pengujian, penerapan GA dan SMOTE pada metode klasifikasi C4.5 memberikan hasil terbaik dengan nilai AUC sebesar 0.76. Hasil klasifikasi C4.5 menunjukan nilai AUC sebesar 0,65 dan hasil seleksi fitur GA dan klasifikasi C4.5 menunjukan nilai AUC paling besar 0,71. Berdasarkan pengujian tersebut dapat diketahui jika SMOTE pada penyeimbangan kelas dan GA pada seleksi fitur dapat meningkatkan performa klasifikasi dari metode C4.5.