Upah Minimum Regional (UMR) merupakan instrumen kebijakan pengupahan yang idealnya mencerminkan kemampuan daya beli pekerja terhadap kebutuhan pangan pokok, namun disparitas harga pangan antarwilayah di Indonesia menyebabkan nominal UMR yang sama dapat memiliki tingkat kelayakan yang berbeda. Penelitian ini bertujuan membangun model klasifikasi untuk menilai tingkat kelayakan UMR pada 98 kota di Indonesia berdasarkan harga tujuh komoditas pangan pokok (beras, minyak goreng, telur, daging ayam, gula pasir, cabai, dan UMR) menggunakan algoritma K-Nearest Neighbor (KNN). Data dikumpulkan dari Pusat Informasi Harga Pangan Strategis (PIHPS) Nasional/Badan Pangan Nasional, Badan Pusat Statistik, dan Kementerian Ketenagakerjaan Republik Indonesia periode 2025-2026, kemudian diproses melalui tahapan Knowledge Discovery in Database meliputi seleksi, pembersihan, transformasi Min-Max Normalization, penerapan algoritma KNN, dan evaluasi menggunakan Confusion Matrix dengan pembagian data latih dan data uji sebesar 80:20. Pengujian terhadap beberapa nilai K menunjukkan bahwa K=3 memberikan kinerja terbaik dengan akurasi 80,00%, presisi 100,00%, recall 42,86%, dan F1-Score 60,00%. Nilai presisi sempurna mengindikasikan model tidak pernah salah mengklasifikasikan kota berkategori Tidak Layak sebagai Layak, sementara nilai recall yang relatif rendah disebabkan oleh ketidakseimbangan kelas pada data latih yang didominasi kategori Tidak Layak. Model klasifikasi ini diimplementasikan dalam aplikasi berbasis Python Tkinter yang dapat digunakan sebagai alat bantu evaluasi kelayakan UMR oleh pemangku kebijakan daerah.