Air memiliki peran penting sebagai kebutuhanprimer dalam kehidupan manusia, termasuk untuk konsumsi.Namun, sayangnya air mudah terkontaminasi sehingga dapatmembahayakan kesehatan tubuh. Oleh karena itu, penentuankelayakan air minum dengan metode manual seperti STORETdan Indeks Pencemaran memakan waktu lama dan biaya yangtinggi. Untuk mengatasi hal ini, penerapan machine learningdengan algoritma K-Nearest Neighbors dan teknik SMOTEuntuk mengatasi ketidakseimbangan pada kelas target menjadipilihan yang efisien dan tepat. Hasil penelitian menunjukkanbahwa model K-Nearest Neighbors dengan k=3 mampumencapai akurasi training sebesar 0.98928, akurasi testingsebesar 0.99434, serta ROC AUC mencapai 1.00 dengan losshanya 0.38618. Model yang optimal akan divisualisasikanhasilnya menggunakan Streamlit ssebagai alat untukmenyajikan informasi secara interaktif, memungkinkanpengguna untuk dengan mudah memahami dan menganalisiskualitas air minum. Kata kunci—Kelayakan Air Minum, K-Nearest Neighbors,Machine Learning, SMOTE, Streamlit