Pengguna narkoba berisiko 5 kali lebih besar untuk mengalami gangguan kepribadian daripada yang tidak menyalahgunakan narkoba. Ditemukan bahwa pengguna narkoba berisiko 3 kali lebih besar untuk mengalami gangguan kecemasan dibanding dengan yang tidak menggunakan narkoba. Kebanyakan dari pengguna sangat sulit mengakui bahwa dirinya pemakai narkoba, apalagi harus berhadapan langsung dengan seseorang seperti dokter, itu hal yang sangat tidak mungkin dilakukan oleh pengguna narkotika. Oleh karena itu penulis berkeinginan untuk membuat sistem yang dapat mendiagnosa pengguna narkoba untuk membantu pengguna mengetahui dirinya atau orang disekitarnya terlibat penggunaan narkotika. Tujuan penelitian ini yaitu Membangun sistem dengan algoritma Case Based Reasoning dan metode Algoritma KNN penentuan jenis ketergantungan narkoba yang di kelompokan menjadi klas zat yaitu Stimulan, Opioid (narkotik), Depresan, dan Halusinogen serta untuk mengetahui solusi dan deskripsi dari jenis ketergantungan narkoba. Penelitian ini menggunakan data rekam medis pengguna narkoba tahun 2018 sampai tahun 2020 yang bersumber dari Badan Narkotika Nasional Provinsi Kalimantan Timur yang berjumlah 144 data. Hasil perhitungan metode Case Based Reasoning dengan K-nearest neighbor menggunakan 72 data Kasus lama dan 30 data kasus baru dengan pengujian metode confusion matrix mendapat hasil akurasi yang baik yaitu dengan nilai accuracy = 77%, precision = 82% dan recall = 69%. Hasil sistem yang telah dibangun dilakukan pengujian dengan pengujian black box dari hasil yang dilakukan dengan pengujian ini secara keseluruhan hasil yang didapat dari sistem telah berjalan dengan sangat baik.