Tingkat pemahaman siswa merupakan kemampuan siswa dalam setiap mata pelajaran sangatlah penting untuk menciptakan suatu metode mengajar guru sehingga ke depannya akan lebih baik, agar siswa dapat memahami tentang materi pembelajaran walaupun memiliki tingkat kesukaran yang tinggi. Dalam proses belajar mengajar, diperlukan hubungan dua arah yaitu siswa dan guru, sehingga adakerjasama yang baik selama proses belajar mengajar. Algortima K-Nearest Neighbor (KNN) adalah sebuah metode untuk melakukan klasifikasi terhadap obyek baru berdasarkan (K) tetangga terdekatnya. KNN termasuk algoritma pembelajaran terawasi, dimana hasil dari query instance yang baru, diklasifikasikanberdasarkan mayoritas dari kategori pada KNN. Kelas yang paling banyak munculyang akan menjadi kelas hasil klasifikasi. Data baru yang diuji (data k1) adalah termasuk ke dalam kategori klasifikasi dengan status tingkat pemahaman rendah Peneliti dapat membangun sebuah aplikasi untuk program klasifikasi tingkat pemahaman pembelajaran siswa sekolah dasar dengan menggunakan Metode K- Nearest Neighboar (KNN). Peneliti juga dapat mengetahui hasil penerapan metode K-Nearest Neighboar (KNN) dalam mengklasifikasi tingkat pemahaman siswa dengan Precision sebesar 66,67%, Recall sebesar 66,67%, dan accuracy sebesar 100,00% untuk nilai k3. Hasil akurasi tersebut dapat dicantumkan bahwa aplikasi yang dibuat layak untuk digunakan dalam mengklasifikasi tingkat pemahaman siswa dalam pembelajaran.