Usaha Mikro, Kecil dan Menengah (UMKM) merupakan salah satu aspek penting yang menunjang pertumbuhan perekonomian dari suatu negara maupun daerah. DISPERIN Kota Samarinda merasa kesulitan dalam mengelompokkan UMKM Kota Samarinda dengan jumlah yang banyak, hal ini menjadi kendala sekaligus tidak optimalnya Pihak DISPERIN dalam menentukan kebijakan dikarenakan belum tersedianya data yang aktual. Salah satu yang dapat dimanfaatkan dalam pengelolaan data untuk menggali informasi yang bermanfaat adalah teknologi Data Mining. Penelitian ini bertujuan untuk mempermudah pihak instansi pemerintah mengelola data dalam jumlah yang besar, sehingga dibutuhkan metode sistematis yang dapat menghasilkan sebuah prediksi pada jenis usaha di Dinas UMKM Kota Samarinda. Penelitian ini dilakukan dengan membandingkan Algoritma Naive bayes dan K-Nearest Neighbor untuk menemukan algoritma yang cocok berdasarkan Confusion Matrix dan Nilai AUC. Hasil penelitian yang didapatkan adalah Naive Bayes memiliki nilai akurasi sebesar 98,86%, tingkat error 1,15%, nilai recall 99.60% ,nilai presisi 93.33%, nilai spesifisitas 99.61% dan nilai AUC 0.980. Sedangkan algoritma KNN memperoleh nilai akurasi sebesar 98,86%, tingkat error 1,15% nilai presisi 99.60%, nilai recall 91.67%, nilai spesifisitas 94.07%, dan nilai AUC 0.965. Dari penelitian tersebut dapat dibuktikan bahwa data yang dikelola menggunakan proses Algoritma Naive Baues lebih cocok dalam pengklasifikasian kelas UMKM