Gizi buruk masih menjadi masalah kesehatan yang menantang di negara berkembang seperti Indonesia. Meskipun mengalami penurunan, prevalensi gizi buruk pada balita tetaptinggi dengan angka 10,8% menurut data Riset Kesehatan Dasar (2018). Kekurangan gizi pada balita berdampak negatif pada pertumbuhan, perkembangan, dan meningkatkan risiko infeksi dan kematian. Penting untuk mengambil langkah-langkah pencegahan dan penanganan gizi buruk yang tepat. Pada penelitian ini, akan diterapkan sebuah sistem perhitungan klasifikasi status gizi balita menggunakan Algoritma KNearest Neighbors (KNN). KNN memungkinkan klasifikasi data berdasarkan data latih yang ada sebagai upaya meningkatkan penanganan masalah gizi pada balita di Indonesia. Studi kasus dilakukan di Puskesmas Kecamatan Loa Kulu, Kabupaten Kutai Kartanegara, dengan kendala pendataan manual yang memakan waktu dan kurang efisien. Sistem diuji menggunakan Confusion Matrix pada 8 Kali percobaan nilai K yaitu K3 hingga K8 dan diuji pada 3 Metode perhitungan jarak yaitu Manhattan Distance, Euclidean Distance, dan Minkowski Distance dengan mengambil 7 parameter data kriteria yaitu nama, jenis kelamin, umur, berat badan, tinggi badan, lingkar kepala dan status gizi balita. Terdapat 275 data balita yang diolah menjadi 2 bagian, yaitu 250 Data Training dan 25 Data Testing. Dihasilkan pada penelitian ini bahwa Akurasi tertinggi dari ketiga metode perhitungan jarak tersebut ialah pada Metode Euclidean Distance dengan persentase 94%. Dan pada Metode perhitungan tersebut juga dihasilkan Nilai K6 menjadi tingkat dengan akurasi tertinggi yaitu 95,2%.