Badan Pusat Statistik (BPS) merupakan lembaga pemerintahan yang berjalan dibidang kebutuhan ekonomi dan sosial rumah tangga. Setiap dua tahun sekali BPS melakukan Susenas (Survei Sosial Ekonomi Nasional) untuk mengetahui bagaimana memprediksi tingkat kemiskinan di Indonesia. Setiap tahun BPS bertugas untuk memberikan informasi bagaimana masyarakat dalam bidang ekonomi dan sosialnya. Dalam perkembangan yang sangat pesat ini, banyak metode untuk menentukan prediksi tingkat kemiskinan. salah satunya dengan perkembangan E-commerce yang sangat pesat di Indonesia dan mampu menentukan tingkat kemiskinan di Indonesia saat ini. Oleh karena itu, penulis membangun sebuah aplikasi untuk melengkapi BPS dalam memprediksi tingkat kemiskinan di suatu daerah, yaitu aplikasi prediksi tingkat kemiskinan berbasis data e-commerce dengan menggunakan metode K-Nearest Neighbor dan seleksi fitur Information Theoretical Based. Aplikasi ini dibangun dengan menggunakan model waterfall, menggunakan Bahasa pemograman Python serta basis data MySQL. Dengan adanya aplikasi ini dapat diharapkan dapat melengkapi Sensus dan Susenas BPS dalam memprediksi tingkat kemiskinan di suatu daerah.
Kata kunci : BPS (Badan Pusat Statistik), model waterfall, Python, MySQL, K-Nearest Neighbor, Information Theoretical Based.