Abstract. Data classification is a process of finding the same properties on a set of objects in a data and classifying them into different classes according to the classification model set. The purpose of this study is to construct the Fuzzy Decision Tree with the Iterative Dichotomiser 3 algorithm (ID3) of the nutritional status data classification rules. The Decision tree is a very popular and practical approach in machine learning to solve classification problems. The merger of the decision tree and fuzzy methods allow to use the numeric-symbolic values during the classification process of new cases. This algorithm performs a thorough search (greedy) on all possible decision trees. Classification on case studies of nutritional status conducted using the Fuzzy Decision Tree method with an ID3 algorithm can form a classification rule. Judging by the trial impact of the threshold value inside the Fuzzy Decision Tree, ID3 's algorithm becomes a reference to the large number of rules formed. The larger the FCT will lead to more and more established rules. As well as any FCT accuracy values tend to rise when any amount of data is added.Keywords: Classification, Fuzzy Decision Tree, ID3. Abstrak. Klasifikasi data adalah suatu proses menemukan properti-properti yang sama pada sebuah himpunan objek di dalam sebuah data dan mengklasifikasikannya ke dalam kelas-kelas yang berbeda menurut model klasifikasi yang ditetapkan. Tujuan pada penelitian ini merupakan mengkonstruksi Fuzzy Decision Tree dengan algoritma Iterative Dichotomiser 3 (ID3) pada aturan klasifikasi data status gizi. Decision tree merupakan suatu pendekatan yang sangat popular dan praktis dalam machine learning untuk menyelesaikan permasalahan klasifikasi. Penggabungan metode decision tree dan fuzzy memungkinkan untuk menggunakan nilai-nilai numeric-symbolic selama proses klasifikasi kasus-kasus baru. Algoritma ini melakukan pencarian secara menyeluruh (greedy) pada semua kemungkinan pohon keputusan. Klasifikasi data pada studi kasus status gizi yang dilakukan dengan menggunakan metode Fuzzy Decision Tree dengan algoritma ID3 dapat membentuk aturan klasifikasi. Dilihat dari uji coba pengaruh nilai threshold di dalam algoritma Fuzzy Decision Tree ID3 menjadi acuan terhadap banyaknya jumlah aturan yang terbentuk. Semakin besar FCT akan mengakibatkan jumlah aturan yang terbentuk semakin banyak. Serta setiap FCT nilai akurasi cenderung naik bila setiap pertambahan jumlah data.Kata Kunci: Klasifikasi, Fuzzy Decision Tree, ID3.