<![CDATA[Pendidikan merupakan hal yang penting untuk meningkatkan kualitassiswa. Dengan pendidikansiswa dapat mencapaihasil-hasil yang diperoleh yaitu prestasi. Prestasi merupakan wujud nyata kualitas yang diperolehsiswa atas usaha dan kerja keras dalam belajar. Penelitian ini memanfaatkan teknik data miningmenggunakanalgoritma K-Nearest Neighbor(K-NN) dengan pencarian K-Optimalmenggunakanmetode k-fold cross validationuntuk memprediksi prestasi siswa. Kriteria yang digunakan adalah: Les Tambahan, Jurusan, Nilai rata-rata rapor mata pelajaran pokok, Nilai rata-rata rapor mata pelajaran penjurusan, Nilai kedisiplinan, Jarak Tempuh, Ekstrakurikuler, Organisasi, dan Prestasi.Metodologi yang digunakan adalah CRISP-DMdan Performa Algoritma dilihat dari nilai accuracy, precision, recall, dan AUCdengan melakukan pemilihan k-fold cross validation(k=2,k=3, k=4, k=5, k=6,k=7, k=8, k=9, k=10). Setelah diperoleh hasil terbaik dari pemilihan k-fold cross validationakan dilakukan pengujian dengan pemilihan klasterk-NN(klaster1, klaster 2, klaster 3, klaster 4 dan klaster 5). Dari penelitian diperoleh hasil terbaik terdapatpada k=5 (5-fold cross validation) pada klaster 2 dengan hasil accuracy= 93.63%, precision=95.77%, recall=96.58% dan AUC=0.782. Kata Kunci: K-nearest neighbor, k-fold cross validation,k-optimal, CRISP-DM]]>
