Obesitas merupakan salah satu masalah kesehatan global yang terus meningkat, dipengaruhi oleh berbagai faktor seperti gaya hidup yang tidak sehat, pola makan tinggi kalori, dan kurangnya aktivitas fisik. kondisi ini dapat menyebabkan berbagai komplikasi serius seperti penyakit jantung, diabetes tipe 2, tekanan darah tinggi, dan berbagai kondisi kesehatan lainnya yang mengurangi kualitas hidup dan meningkatkan angka kematian. dalam penelitian ini, kami mengembangkan sistem klasifikasi tingkat obesitas menggunakan algoritma c5.0, yang dikenal karena kemampuannya dalam menangani data yang kompleks dan multikategori. algoritma ini juga efektif dalam menghasilkan model pohon keputusan yang mudah diinterpretasi oleh tenaga kesehatan. dataset yang digunakan dalam penelitian ini terdiri dari 2.111 sampel dengan 17 variabel, termasuk jenis kelamin, usia, tinggi badan, berat badan, kebiasaan makan, riwayat keluarga, dan aktivitas fisik. model c5.0 yang dibangun menunjukkan hasil yang sangat baik dengan akurasi mencapai 94,78% pada data uji. evaluasi model dilakukan menggunakan matriks kebingungan yang menunjukkan performa tinggi dengan nilai akurasi, presisi, recall, dan f1-score yang konsisten di hampir semua kategori obesitas. secara khusus, model ini mencapai nilai sempurna dalam mendeteksi kategori obesity type iii, yang menunjukkan kemampuannya yang kuat dalam mengidentifikasi tingkat obesitas yang paling parah. hasil ini menunjukkan bahwa algoritma c5.0 dapat menjadi alat yang efektif untuk mendukung sistem pendukung keputusan dalam mendeteksi risiko obesitas, yang pada akhirnya dapat membantu dalam pengembangan strategi pencegahan dan intervensi yang lebih efektif untuk meningkatkan kesehatan masyarakat.