Abstrak -Meningkatnya pengguna media sosial di seluruh dunia, maka dari itu para pelaku kejahatan dunia maya pun mulai melancarkan aksinya untuk mencari keuntungan dari para pengguna media sosial. Salah satunya dengan melakukan phising. Phising merupakan suatu bentuk kegiatan yang mengancam atau menjebak seseorang dengan cara mengiming-imingi orang dengan cara menipu seseorang sehingga secara tidak langsung orang tersebut memberikan informasi pribadi yang dibutuhkan oleh pelaku kejahatan. Penelitian yang dilakukan bertujuan untuk menganalisis tingkat kewaspadaan masyarakat terhadap bahaya kejahatan dunia maya di media sosial khususnya di Instagram dengan menggunakan metode machine learning. Penelitian dilakukan di Banjarmasin, Kalimantan Selatan dengan menggunakan metode algoritma K-Nearest Neighbor (K-NN) untuk mengukur tingkat kewaspadaan masyarakat terhadap bahaya phising di media sosial Instagram. Hasil penelitian menunjukkan bahwa dari 210 data responden, sebanyak 137 orang di Banjarmasin menyadari adanya bahaya phising di media sosial Instagram, sedangkan 73 orang menunjukkan hasil tidak sadar. Pengujian algoritma K-NN dengan 70% data latih dan 30% data uji menghasilkan akurasi sebesar 98%. Selanjutnya, uji K-NN dengan Cross Validation menggunakan k-fold 5 memberikan akurasi sebesar 94%, dan matriks konfusi menunjukkan hasil metrik presisi 100%, recall 97%, dan skor f1 98%. Dengan demikian, algoritma K-NN terbukti efektif dalam pemodelan dengan data kesadaran masyarakat terhadap bahaya kejahatan siber phishing di media sosial Instagram. Penelitian yang telah dilakukan diharapkan dapat meningkatkan kesadaran masyarakat dan memberikan arahan dalam mengurangi risiko serangan phishing di media sosial..Kata kunci: Kesadaran Masyarakat, Cybercrime, Phising, Media sosial, Machine learning, K-Nearest Neighbor Abstract - The rise of social media users around the world, therefore cybercriminals have also begun to launch their actions to seek profits from social media users. One of them is by phishing. Phishing is a form of activity that threatens or traps someone by luring people by deceiving someone so that the person indirectly provides personal information needed by criminals. The research conducted aims to analyze public awareness of the dangers of cybercrime on social media, especially on Instagram, using machine learning methods. The research was conducted in Banjarmasin, South Kalimantan using the K-Nearest Neighbor (K-NN) algorithm method to measure the level of public awareness of the dangers of phishing on Instagram social media. The results of the study showed that out of 210 respondent data, 137 people in Banjarmasin were aware of the dangers of phishing on Instagram social media, while 73 people showed unconscious results. Testing the K-NN algorithm with 70% training data and 30% data testing resulted in an accuracy of 98%. Furthermore, the K-NN test with Cross Validation using k-fold 5 provides an accuracy of 94%, and the confusion matrix shows the results of 100% precision metrics, 97% recall, and 98% f1 score. Thus, the K-NN algorithm has proven to be effective in modeling with public awareness data on the dangers of cybercrime phishing on Instagram social media. The research that has been carried out is expected to increase public awareness and provide guidance in reducing the risk of phishing attacks on social media.Keywords: Public awareness, Cybercrime, Phising, Media sosial, Machine learning, K-Nearest Neighbor