Infeksi Saluran Pernapasan Akut (ISPA) merupakan penyakit yang dapat menular melalui udara dan menjadi penyebab kematian dari seluruh penyakit infeksi di dunia. ISPA diklasifikasikan menjadi infeksi saluran pernapasan bagian atas dan infeksi saluran pernapasan bagian bawah (Pneumonia). Berdasarkan data Kemenkes RI per tahun 2020, ISPA sebagai penyebab kematian bayi dan anak-anak terbesar di Indonesia dengan persentase 32,10%. ISPA mampu menyerang jaringan alveoli yang terletak di paru-paru dan memiliki gejala seperti batuk dan pilek sehingga menyebabkan kekebalan tubuh dari host menurun (pada balita umur di bawah 5 tahun). Penelitian ini bertujuan untuk mengklasifikasikan penyakit ISPA pada balita berdasarkan gejalanya menggunakan algoritma K-Nearest Neighbor (KNN) dengan rumus perhitungan jarak Euclidean, Manhattan, dan Chebyshev serta diharapkan dapat memberikan hasil terbaik sehingga dijadikan sebagai alternatif cara diagnosis penyakit ISPA. Metode validasi danm evaluasi yang digunakan adalah K-Fold Cross Validation dan Confusion Matrix. Data yang digunakan diperoleh dari rekam medis pasien di Puskesmas Loa Ipuh, Kecamatan Tenggarong, Kabupaten Kutai Kartanegara, Provinsi Kalimantan Timur dengan jumlah sebanyak 90 data. Hasil evaluasi menunjukkan bahwa dengan menggunakan validasi data 5-fold dan 10-fold cross validation didapatkan hasil performance metrics yang tertinggi pada 10-fold dengan nilai tingkat akurasi rata-rata sebesar 97.78%, presisi ratarata sebesar 97.50%, dan recall rata-rata sebesar 96.67%. Hasil klasifikasi dari pengujian algoritma K-Nearest Neighbor (KNN) berjumlah sebanyak 90 rekam medis pasien, yang benar terklasifikasi oleh model sebanyak 88 pasien dan sebanyak 2 pasien yang terklasifikasikan salah oleh model. Sehingga dapat disimpulkan algoritma KNearest Neighbor (KNN) memiliki hasil yang baik dalam memprediksi penyakit Infeksi Saluran Pernapasan Akut.