Ayam broiler memiliki peran penting dalam pemenuhan kebutuhan protein hewani, dan produksi yang tinggi menunjukkan pertumbuhan industri peternakan yang pesat. Pemeliharaan ayam broiler dalam menjaga keseimbangan pemberian makan ayam dan kondisi kandang. Peternak secara manual memantau kondisi kandang untuk mengatur suhu, kelembaban, dan kadar gas ammonia agar ayam tidak stres dan terhindar dari penyakit. Teknologi IoT dapat membantu dalam melakukan monitoring kandang secara real-time dan efisien. Sistem yang dibuat dapat memudahkan peternak dalam melakukan monitoring kandang ayam, sehingga monitoring kandang ayam dapat dilakukan secara optimal. Penelitian ini membuat sistem monitoring suhu, kelembaban dan ammonia yang dapat mengklasifikasikan kondisi kandang ayam dengan menerapkan metode K-Nearest Neighbors (KNN) pada sistem. Data yang digunakan pada penelitian ini berjumlah 865 data yang diperoleh pada tanggal 28-31 Oktober 2023 melalui hasil akuisisi data yang diambil dari sensor BME680 untuk memperoleh suhu dan kelembaban serta sensor MiCS-5524 untuk memperoleh data ammonia. Hasil akuisisi data dilakukan proses normalisasi pada setiap variabel menggunakan Min-Max. Pembagian training data dan data testing data pada penelitian menggunakan split data dengan rasio pembagian 70:30 yaitu 70% sebagai training data dan 30% sebagai testing data, sehingga training data berjumlah 605 data dan testing data berjumlah 261 data. Pengujian sistem monitoring kandang ayam yang menggunakan metode KNN dengan confusion matrix pada nilai K=3, K=5 dan K=7 mendapatkan hasil bahwa tingkat accuracy, precision, recall, dan F1-score pada KNN dipengaruhi oleh jumlah nilai K. Peningkatan nilai K menunjukkan nilai accuracy yang dihasilkan meningkat. Accuracy tertinggi yang didapatkan sebesar 97.69% dengan menggunakan nilai K=7 diikuti dengan nilai precision, recall dan F1-score sebesar 96.07, 98.34% dan 97.13%.