Kanker merupakan tantangan kesehatan global utama dengan tingkat kematian yang signifikan. Penentuan status kanker yang akurat penting untuk diagnosis dan strategi pengobatan yang tepat. Penelitian ini mengeksplorasi algoritma K-Nearest Neighbor (KNN) dalam klasifikasi jenis kanker, dengan fokus pada dataset kanker payudara dari UCI Machine Learning Repository. Metodologi yang digunakan mencakup pengumpulan data, seleksi atribut, pemisahan data menjadi training dan testing, serta implementasi KNN. Hasil menunjukkan bahwa KNN dapat mencapai akurasi 87.61% dalam klasifikasi dengan evaluasi menggunakan metrik seperti presisi, recall, dan F1-score. Investigasi lebih lanjut diperlukan untuk mengoptimalkan nilai K, waktu komputasi, dan penanganan dataset besar untuk penerapan yang lebih efektif dalam onkologi.