PT Homecredit Indonesia adalah sebuah perusahaan pembiayaan untuk produk elektronik dan furnitur. Nasabah yang sudah pernah mengajukan kredit elektronik atau furnitur akan ditawari juga produk pinjaman tunai tanpa agunan (cross-selling). Metode penawaran cross-sell sekarang ini masih sederhana yaitu dengan memilih nasabah yang sudah melewati enam kali cicilan dengan lancar. Namun, tingkat kesuksesan penawaran cross-sell masih rendah. Penelitian ini mencoba mencari model untuk memprediksi nasabah yang potensial untuk membeli produk cross-sell ini. Penelitian ini menggunakan metodologi CRISP-DM. Penelitian ini menggunakan Customer Lifetime Value (LTV) sebagai pembentuk fitur. Algoritma klasifikasi yang diuji adalah bayesian network, decision tree, support vector machince, dan neural network. Evaluasi terhadap model yang dihasilkan menggunakan confussion matrix dan area under ROC Curve. Hasil validasi silang pengujian model menggunakan data pelatihan tanpa modifikasi menunjukkan bahwa algoritma decision tree memiliki akurasi paling tinggi, sedangkan AUC tertinggi didapat oleh algoritma bayesian network