Latar belakang: Kualitas susu merupakan aspek penting dalam industri pangan karena secara langsung berkaitan dengan keamanan konsumsi dan kesehatan masyarakat. Pengujian kualitas susu konvensional memiliki keterbatasan dalam efisiensi dan objektivitas, sehingga memerlukan pendekatan berbasis data untuk mendukung proses klasifikasi kualitas susu. Tujuan: Penelitian ini difokuskan pada perbandingan hasil klasifikasi antara algoritma Naïve Bayes dan Long Short-Term Memory (LSTM) pada data kualitas susu. Dataset dalam penelitian ini berupa data sekunder yang diambil melalui platform Kaggle, terdiri dari 844 data dengan tiga kelas kualitas, yaitu Low, Medium, dan High. Semua data digunakan sebagai populasi penelitian, dengan pembagian data pelatihan dan data uji, di mana 212 dataset digunakan sebagai data uji. Metode penelitian yang diterapkan adalah pendekatan eksperimental dengan simulation-based experiment, menggunakan dataset yang sama pada kedua algoritma. Penilaian performa model dilakukan dengan memanfaatkan metrik accuracy, Confusion matrix, Hasil: Berdasarkan hasil pengujian, algoritma Naïve Bayes mencapai tingkat accuracy sebesar 85%, lebih tinggi dibandingkan Long Short-Term Memory (LSTM) yang memperoleh 75%. Analisis per kelas menunjukkan bahwa Naïve Bayes lebih efektif dalam mengidentifikasi kelas Low dan Medium, sementara LSTM cenderung menghasilkan nilai recall yang lebih baik pada kelas Medium, namun menunjukkan penurunan kemampuan klasifikasi pada kelas Low dan High. Kesimpulan: Berdasarkan hasil tersebut, penelitian ini kemudian menegaskan bahwa pemilihan algoritma klasifikasi perlu disesuaikan dengan karakteristik dataset untuk mendapatkan hasil yang optimal.precision, recall, dan F1-score.