Klasifikasi adalah suatu teknik untuk membangun sebuah model danmenilai suatu objek untuk memasukannya ke dalam kelas tertentu. Naive Bayes merupakan salah satu algoritma dalam klasifikasi yang berdasar pada teorema Bayes, yang mengasumsikan independensi pada kelas yang satu dengan kelas yang lainnya. K-nearest neighbor merupakan algoritma dalam metode klasifikasi untuk melakukan pengklasifikasian berdasarkan data yang jaraknya paling dekatantara objek satu dengan objek yang lainnya. Metode naive Bayes dan k-nearest neighbor digunakan dalam pengklasifikasian status kerja penduduk di Kabupaten
Kutai Kartanegara karena memiliki tingkat keakuratan yang baik danmenghasilkan nilai error yang kecil ketika menggunakan data set dalam jumlahbesar. Penelitian ini bertujuan untuk membandingkan keoptimalan ketepatan kinerja kedua metode tersebut dalam mengklasifikasikan data status kerja penduduk. Data yang digunakan adalah data status kerja penduduk di Kabupaten Kutai Kartanegara berdasarkan SAKERNAS Provinsi Kalimantan Timur Tahun 2018 dan digunakan 5 faktor yaitu umur, jenis kelamin, status dalam rumahtangga, status perkawinan dan pendidikan untuk memprediksi status kerja penduduk. Berdasarkan hasil analisis, pengklasifikasian status kerja pendudukdengan metode naive Bayes mempunyai akurasi sebesar 90,08% dan pada metode k-nearest neighbor mempunyai akurasi sebesar 94,66%. Untuk mengevaluasi ketepatan hasil klasifikasi digunakan perhitungan Press’s Q. Berdasarkan nilaiPress’s Q menunjukkan bahwa pengklasifikasian status kerja penduduk di Kabupaten Kutai Kartanegara dengan metode naive Bayes dan k-nearest neighbor sudah akurat. Dari analisis tersebut, dapat disimpulkan bahwa metode k-nearest neighbor bekerja lebih baik dibandingkan dengan metode naive Bayes untuk kasus status kerja penduduk di Kabupaten Kutai Kartanegara.
Kata Kunci : klasifikasi, naive Bayes, k-nearest neighbor, status kerja penduduk