Klasifikasi merupakan proses mengevaluasi objek data untuk dimasukkan ke dalam kelas tertentu dari sejumlah kelas yang tersedia. Algoritma K-Nearest Neighbor merupakan salah satu algoritma yang digunakan dalam melakukan klasifikasi suatu objek terhadap objek baru berdasarkan K tetangga terdekatnya. Naive Bayes merupakan suatu pengklasifikasian data menggunakan probabilitas berdasarkan teorema Bayes dengan asumsi independensi yang kuat. Penelitian ini bertujuan untuk membandingkan tingkat akurasi hasil klasifikasi pada data korban kecelakaan lalu lintas di Kota Samarinda menggunakan algoritma K-Nearest Neighbor dan algoritma Naive Bayes. Data yang digunakan adalah data tingkat keparahan korban kecelakaan lalu lintas di Kota Samarinda pada tahun 2020 sampai tahun 2021 dengan kelas meninggal dunia dan tidak meninggal dunia serta menggunakan 6 variabel bebas yaitu usia, jenis kelamin, peran korban, kendaraan korban, status jalan, dan kondisi cuaca. Pengukuran akurasi dalam melakukan klasifikasi pada algoritma K-Nearest Neighbor dan algoritma Naive Bayes menggunakan matriks kinerja klasifikasi. Berdasarkan hasil penelitian diperoleh tingkat akurasi hasil klasifikasi algoritma K-Nearest Neighbor sebesar 75,86%, sedangkan pada algoritma Naive Bayes diperoleh tingkat akurasi sebesar 79,31%. Dari hasil analisis tersebut, dapat disimpulkan bahwa algoritma Naive Bayes bekerja lebih baik dibandingkan dengan algoritma K-Nearest Neighbor dalam mengklasifikasikan tingkat keparahan korban kecelakaan lalu lintas di Kota Samarinda.