<![CDATA[Infrastruktur jalan yang baik merupakan komponen vital dalam mendukung mobilitas masyarakat dan mempercepat pertumbuhan ekonomi suatu wilayah. Di Indonesia, kerusakan jalan yang cukup tinggi, termasuk di Kabupaten Pati, menimbulkan tantangan tersendiri dalam penentuan prioritas perbaikan yang tepat dan efisien. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi tingkat kerusakan jalan menggunakan algoritma K-Nearest Neighbors (K-NN), guna memberikan rekomendasi prioritas perbaikan secara objektif. Data yang digunakan berasal dari Dinas Pekerjaan Umum dan Tata Ruang (DPUTR) Kabupaten Pati, mencakup atribut fisik seperti panjang, lebar jalan, serta persentase kerusakan ringan dan berat. Pendekatan data mining diterapkan untuk menemukan pola tersembunyi dari data historis yang dapat dimanfaatkan dalam pengambilan keputusan berbasis bukti. Proses pengembangan sistem mengikuti kerangka kerja CRISP-DM, dimulai dari pemahaman bisnis, eksplorasi data, praproses, pemodelan, hingga evaluasi. Model K-NN yang dibangun dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil evaluasi menunjukkan performa sangat baik dengan akurasi mencapai 98%, serta nilai precision dan recall tinggi di seluruh kelas. Sistem yang dikembangkan berhasil mengklasifikasikan jalan ke dalam tiga tingkat prioritas: rendah, sedang, dan tinggi. Dengan hasil tersebut, sistem ini mampu membantu pemerintah daerah dalam menetapkan prioritas perbaikan jalan secara lebih cepat, efisien, dan berbasis data.]]>
