ABSTRAKSI: Salah satu metode dalam klasisfikasi yaitu K-Nearest Neighbor (K-NN) yang berusaha mengklasifikasikan data dengan memilih data sejumlah K yang letaknya terdekat dari data baru tersebut. Metode Fuzzy K-Nearest Neighbor (Fuzzy K-NN) merupakan metode klasifikasi yang menggabungkan teknik Fuzzy dan K-Nearest Neighbor. Pada tugas akhir ini akan diimplementasikan metode Fuzzy K-NN pada data yang imbalance yaitu pada kasus churn prediction. Hasil klasifikasi dari Fuzzy K-NN akan dihitung nilai performansinya berupa precision, recall, f-measure, lift curve dan dibandingkan dengan hasil klasifikasi menggunakan metode K-NN. Hasil dari penelitian ini menunjukkan bahwa metode Fuzzy K-NN lebih baik dibandingkan dengan K-NN walaupun masih terjadi misklasifikasi.Kata Kunci : churn prediction, imbalance class, Fuzzy K-Nearest NeighborABSTRACT: One method of classification is K-Nearest Neighbor (K-NN) which attempted too classify the data by selecting K data that is closest to the new data. One variant of K-Nearest Neighbor is Fuzzy K-Nearest Neighbor (Fuzzy K-NN) which is a classification method that combines Fuzzy and K-Nearest Neighbor method. In this final project, Fuzzy K-NN will be implemented on imbalance data which is churn prediction. The performance value like precision, recall, f-measure, lift curve from Fuzzy K-NN will be calculated and compared with classification result using K-NN method.The result of this study indicate that the Fuzzy K-NN method is better than K-NN, although there are still misclassification occured.Keyword: churn prediction, imbalance class, Fuzzy K-Nearest Neighbor