Klasifikasi data kontinu cenderung memiliki kompleksitas tinggi sehingga memerlukan pendekatan yang mampu menangani ambiguitas dan menghasilkan keputusan dengan akurasi yang tinggi. Penelitian ini mengimplementasikan hybrid method yang mengkombinasikan fuzzy logic dan decision tree dalam proses klasifikasi. Fuzzy logic mampu menangani ketidakpastian dalam variabel data dan meningkatkan fleksibilitas dalam pemrosesan data kontinu. Sementara decision tree berperan dalam pengambilan keputusan berbasis aturan yang lebih terstruktur dan mendasar. Metode ini diterapkan pada data indikator ketimpangan gender yang mencakup aspek kesehatan, pemberdayaan, dan ketenagakerjaan dari 166 negara di dunia. Hasil penelitian menunjukkan bahwa metode fuzzy decision tree yang dibangun dengan algoritma C4.5 menghasilkan akurasi sebesar 91%, sedangkan metode C4.5 decision tree tanpa fuzzy hanya menghasilkan akurasi sebesar 77%. Sehingga metode fuzzy decision tree berhasil meningkatkan akurasi klasifikasi sebesar 14% dibandingkan metode C4.5 decision tree tanpa fuzzy. Disamping itu, fuzzy decision tree juga menunjukkan performa yang lebih stabil dan seimbang dalam mengklasifikasikan data ke dalam empat kategori target. Dengan demikian, pendekatan ini dapat menjadi alternatif yang efektif dalam mengklasifikasi ketimpangan gender secara komprehensif, sehingga dapat mendukung perumusan kebijakan yang berbasis data dan tepat sasaran.