ANDI MUHAMAD NURHOLIS SOREJANG,. Implementasi Decision Tree Classifier Scikit.js Pada Sistem Informasi Stunting menggunakan Rational Unifed Process (dibimbing oleh Lillyan Hadjaratie, S.Kom, M.Si., Indhitya R. Padiku, S.Kom, M.Kom ) Stunting merupakan masalah yang sangat mendesak dalam konteks sosial Indonesia saat ini. Berdasarkan laporan dari UNICEF (2020) di situs web mereka, unicef.org, sebuah penelitian pada tahun 2018 menemukan bahwa 29,9 persen anak di Indonesia berusia di bawah 24 bulan mengalami stunting. Penting untuk tidak meremehkan kasus bayi stunting, karena anak-anak yang mengalami stunting dapat mengalami keterlambatan perkembangan dan kemampuan kognitif yang lebih rendah dibandingkan dengan anak-anak sebaya mereka. Oleh karena itu, perlu dibuat sebuah aplikasi yang dapat membantu orang tua memantau pertumbuhan dan perkembangan anak mereka, khususnya dalam kasus stunting. Teknologi yang digunakan untuk klasifikasi adalah Decision Tree Classifier menggunakan pustaka Scikit.js dan indeks Z-Score untuk perhitungan. Dalam penelitian ini, metode Rational Unified Process digunakan, yang meliputi tahap Inception, Elaboration, Construction, dan Transition. Hasil pengujian menggunakan tiga model machine learning yaitu Decision Tree Classifier, Naïve Bayes Classifier, dan K-Nearest Neighbor menunjukkan bahwa Decision Tree Classifier memiliki akurasi tertinggi dengan rata-rata 88%. Dengan demikian, dapat disimpulkan bahwa Model Decision Tree Classifier yang dilengkapi dengan rumus pengukuran Z-Score Index dapat menjadi dukungan dan membantu pengukuran status gizi anak secara lebih baik dan optimal. Kata Kunci : Decision Tree Classifier, Scikit.js, Z-Score Index, Sistem Informasi, Stunting.