<![CDATA[Fire incidents are disasters that have the potential to cause significant losses, both materially and in terms of human lives. Therefore, firefighters must respond quickly to public fire reports with a response time that adheres to the standards set by Peraturan Menteri Pekerjaan Umum Number 20 of 2009 concerning Pedoman Teknis Manajemen Proteksi Kebakaran di Perkotaan. However in reality, firefighters still struggle to meet these standards due to various issues such as traffic congestion and inadequate road infrastructure. To identify these problems more deeply, firefighters need to further evaluate which fire incidents in which areas fail to meet the standard response times. Thus, a classification fire response times becomes essential. This study aims to classify fire response times using the KNN (K-Nearest Neighbor) method and evaluate the classification results. The variables used in this study are travel distance and travel time. The results show excellent classification performance, with an average accuracy of 98%.Keyword: Classification; K-Nearest Neighbor; Response Time; Firefighter.AbstrakInsiden kebakaran merupakan bencana yang berpotensi menimbulkan dampak kerugian signifikan, baik secara material maupun nyawa manusia. Oleh karena itu, Pemadam Kebakaran harus merespons cepat aduan masyarakat terkait kebakaran dengan waktu tanggap sesuai standar yang ditetapkan berdasarkan Peraturan Menteri Pekerjaan Umum Nomor 20 Tahun 2009 tentang Pedoman Teknis Manajemen Proteksi Kebakaran di Perkotaan. Tetapi pada kenyataannya Pemadam Kebakaran masih kesulitan untuk memenuhi standar tersebut dikarenakan berbagai masalah seperti kepadatan lalu lintas maupun infrastruktur jalan yang kurang memadai. Untuk mengidentifikasi masalah lebih mendalam, Pemadam Kebakaran perlu mengevaluasi lebih lanjut dengan cara mengetahui kejadian kebakaran daerah mana saja yang tidak memenuhi standar. Maka dari itu, diperlukan klasifikasi waktu tanggap kebakaran. Penelitian ini bertujuan mengklasifikasikan waktu tanggap kebakaran menggunakan metode KNN (K-Nearest Neighbor) kemudian dilakukan evaluasi terhadap hasil klasifikasi. Variabel yang digunakan pada penelitian ini yaitu jarak tempuh dan waktu tempuh. Penelitian ini menunjukkan hasil klasifikasi yang sangat baik, dengan rata-rata akurasi sebesar 98%. ]]>
