Penelitian ini bertujuan menerapkan metode K-Nearest Neighbors (K-NN) untuk mengklasifikasikan penerima bantuan sosial di Kelurahan Kuto Batu, Palembang, guna meningkatkan akurasi dan efisiensi seleksi. Data yang digunakan, meliputi berbagai informasi demografi dan kondisi rumah tangga, diproses melalui tahapan pembersihan, encoding, dan penanganan nilai hilang. Selanjutnya, data dibagi ke dalam beberapa skenario rasio (80/20, 70/30, 60/40, dan 50/50) untuk menemukan komposisi optimal. Hasil pengujian menunjukkan bahwa rasio 70/30 memberikan performa terbaik dengan akurasi 98,30%, presisi 100%, recall 98%, dan F1-Score 98,98%, membuktikan bahwa model K-NN sangat efektif untuk klasifikasi ini.