Jumlah Pemerlu Pelayanan Kesejahteraan Sosial (PPKS) di Provinsi Jawa Tengah yang tinggi, dan berkontribusi besar terhadap angka kemiskinan nasional, memerlukan metode identifikasi yang akurat serta mudah dipahami oleh pengambil kebijakan. Metode identifikasi yang ada saat ini sering terkendala akurasi dan pembaruan data, sehingga berisiko menimbulkan kesalahan identifikasi dan kebijakan yang kurang tepat sasaran. Penelitian ini mengusulkan penggunaan algoritma Decision Tree dengan pendekatan ekspansi fitur berbasis waktu untuk meningkatkan akurasi klasifikasi PPKS. Data penelitian mencakup 35 kabupaten/kota pada periode 2013–2022, dengan berbagai fitur-fitur sosial ekonomi. Ekspansi fitur dilakukan dengan menambahkan data historis dari 1 hingga 9 tahun sebelumnya, kemudian memilih fitur terbaik menggunakan metode SelectKBest. Pengujian dilakukan pada sembilan variasi model (t-1 hingga t-9) untuk melihat pola dari waktu ke waktu, sehingga membuat prediksi yang lebih akurat. Hasil menunjukkan bahwa model t-3 (39 fitur) dan t-5 memiliki performa terbaik dengan akurasi hingga 91%, presisi 94%, recall 83%, dan skor F1 86%. Visualisasi spasial prediksi tahun 2023–2031 memperlihatkan pola klasifikasi yang cenderung stabil, dengan wilayah kategori tinggi terkonsentrasi di bagian barat dan tengah provinsi. Penelitian ini berkontribusi dengan mengembangkan model klasifikasi yang akurat, mudah dipahami, dan berbasis data, sehingga dapat membantu pemerintah daerah memprioritaskan intervensi di wilayah berisiko tinggi serta fokus pada fitur penting seperti tingkat pendidikan, indeks pembangunan manusia, dan pengeluaran per kapita.