Penelitian ini bertujuan untuk: 1) menerapkan suatu sistem klasifikasi siswa berprestasi dan tidak berprestasi di SDN 2 Gentuma Raya. Penelitian ini menggunakan metode klasifikasi objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Dengan metode Algoritma K- Nearst Neighbor (KNN) supervised learning yang memiliki hasil dari query instance diklasifikasi berdasarkan kategori dan mayoritas dari metode K-Nearst Neighbor (KNN). Teknik pengumpulan data menggunakan data primer, tinjauan data primer, observasi, wawancara, dan dokumentasi. Objek penelitian penulis yaitu pengklasifikasian siswa berprestasi dan tidak berprestasi dengan menggunakan klasifikasi Data Mining yang kemudian diolah dengan metode Algoritma K-Nearst Neighbor (KNN). Penelitian ini dilaksnakan dalam waktu 5 bulan terhitung mulai dari bulan April sampai bulan Agustus tahun 2020 yang berlokasi di SDN 2 Gentuma Raya. Dari hasil pembahasan dalam penelitian ini dimulai dari tahapan dokumentasi data kemudian dilanjutkan dengan hasil hitung Algoritma K-Nearst Neighbor (KNN) yang gunakan, kemudian dilanjutkan dengan penerapan Algoritma K-Nearst Neighbor (KNN) serta tahap akhir pengujian perangkat lunak. Dari hasil eksperimen yang telah di klasifikasi sebanyak 8 data uji siswa yang berprestasi, dimana data kelas asli yang sebelumnya sebanyak 5 data siswa yang tidak beprestasi dan 3 data siswa berprestasi. Maka metode K-Nearst Neighbor (KNN) dapat mempermudah walikelas siswa di SDN 2 Gentuma Raya dalam mengklasifikasi siswa yang berprestasi dan tidak beprestasi.