Penelitian ini dilakukan untuk menerapkan algoritma K-Nearest Neighbor (KNN) dalam mengklasifikasikan jurusan siswa di SMA Negeri 1 Sukomoro serta untuk menganalisis performa model yang dihasilkan. Masalah yang dihadapi adalah proses penentuan jurusan masih dilakukan secara manual, yang dapat menimbulkan kesalahan dan tidak efisien. Metode yang digunakan mencakup pengolahan data sebanyak 300 data, pembagian data menjadi data training dan data testing, normalisasi data, serta penerapan KNN dengan optimasi parameter melalui GridSearchCV dan evaluasi yang dilakukan dengan 5-fold cross validation. Hasil penelitian menunjukkan bahwa nilai K yang optimal adalah 27, dengan tingkat akurasi mencapai 86,67%. Evaluasi model menunjukkan rata-rata akurasi sebesar 75,42?ngan standar deviasi 3,58%, serta rata-rata nilai precision, recall, dan f1-score sebesar 0,87. Hasil kurva ROC AUC menunjukkan nilai macro-average sebesar 0,974, yang menunjukkan kemampuan klasifikasi yang sangat baik. Uji sistem menggunakan Black Box Testing mencapai tingkat keberhasilan 100%, sedangkan pengujian pengguna dengan System Usability Scale (SUS) mendapatkan skor 80,83 yang termasuk dalam kategori excellent. Berdasarkan hasil tersebut, sistem yang dikembangkan mampu mendukung proses klasifikasi jurusan siswa dengan lebih tepat dan efisien serta layak digunakan di lingkungan sekolah.