Kemiskinan merupakan masalah umum yang sangat kompleks yang terdapat dibeberapa bagian negara indonesia, hal ini dapat diketahui dari rendahnya pendidikan, kesehatan dan kualitas hidup masyarakat. Kemiskinan juga merupakan salah satu penghambat bagi seseorang untuk memperoleh kehidupan yang layak atau kehidupan yang sejahtera. Pemerintah memiliki peranan penting dalam mensejahterakan warga negaranya dari kemiskinan. Pemerintah telah melakukan beberapa upaya untuk mengentaskan kemiskinan diantaranya dengan adanya Program Keluarga Harapan (PKH), Bantuan Langsung Tunasi (BLT) dan beberapa program lainnya. Namun dalam pelaksanaannya masih terdapat penerima bantuan yang tidak tepat sasaran sehingga terdapat keluarga dengan katergori sejahtera masih mendapatkan bantuan dan keluarga tidak sejahtera tidak memperoleh bantuan, seperti yang terdapat di desa sapikerep sukapura probolinggo. Beberapa kriteria untuk menentukan masyarakat sejahtera yang telah ditentukan oleh pemerintah setempat diataranya yakni aset/harta benda, jenis lantai, jenis dinding, status lahan atau bangunan, sumber penerangan, sumber air minum, penghasilan, serta sumber energi memasak. Dari permasalah diatas dibutuhkan suatu analisa yang tepat untuk menentukan suatu keputusan. Oleh sebab itu, dalam penelitian ini akan melakukan analisa terhadap data yang diperoleh dengan indikator yang telah disebutkan diatas dengan menggunakan suatu algoritma datamining. Algoritma K-Nearest Network (K-NN) merupakan algoritma yang bisa digunakan untuk melakukan prediksi ataupun klasifikasi terhadap suatu data tergantung dari jenis data pada kumpulan data yang ada. K-NN melakukan klasifikasi pada suatu data berdasarkan nilai k yang telah ditetapkan sebelumnya. Nilai k pada K-NN harus menggunakan nilai ganjil jika digunakan untuk proses klasifikasi beda halnya jika digunakan untuk melakukan prediksi nila k pada K-NN dapat berupa bilangan ganjil ataupun genap. Nilai k yang digunakan untuk menguji kinerja algoritma K-NN yakni k-3, k-5, dan k-7, dimana hasil akurasi masing-masing nilai k pada K-NN yang digunakan memiliki hasil akurasi yang berbeda terkecuali nilai akurasi k-5 dan k-7 yang memiliki nilai akurasi yang sama. Nilai akurasi k-3 pada K-NN sebesar 97.36% sedangkan nilai akurasi k-5 dan k-7 pada K-NN sebesar 98.68%.
