Diagnosis demam tifoid secara klinis sering kali menghadapi kendala akibat adanya kemiripan karakteristik gejala dengan jenis penyakit infeksi lainnya, sehingga memperbesar risiko terjadinya kesalahan diagnosis awal. Untuk mengatasi permasalahan tersebut, penelitian ini menerapkan algoritma K-Nearest Neighbor (K-NN) sebagai metode klasifikasi status penyakit demam tifoid, dengan fokus analisis pada optimalisasi penentuan nilai parameter K menggunakan pendekatan probabilistik Bayesian Likelihood. Dataset yang digunakan merupakan data primer rekam medis dari Puskesmas Dempo Palembang periode 2024–2026 sebanyak 203 data. Fitur masukan yang dievaluasi meliputi durasi demam, gejala gastrointestinal, gejala neurologis, manifestasi kulit, dan hasil uji Widal. Pengujian model menggunakan teknik pembagian data (data splitting) dengan rasio 70:30 (142 data latih dan 61 data uji). Hasil evaluasi Bayesian Likelihood menetapkan nilai K = 3 sebagai parameter tetangga terdekat paling optimal. Penerapan model K-NN (K=3) menghasilkan performa klasifikasi yang sangat baik dengan tingkat Accuracy sebesar 96,72%, Precision sempurna 100,00%, dan Recall sebesar 89,47%. Tingginya nilai akurasi dan presisi membuktikan bahwa model ini sangat layak digunakan sebagai sistem pendukung keputusan klinis untuk membantu tenaga medis mendeteksi penyakit demam tifoid secara cepat, objektif, dan akurat.