Klasifikasi merupakan pengelompokan suatu hal berdasarkan ketepatan atau ciriciri yang sama sehingga memudahkan dalam mengenali suatu objek. Algoritma KNearest Neighbor (K-NN) merupakan salah satu metode untuk melakukan klasifikasi terhadap objek yang dekat satu sama lain dengan memiliki karakteristik yang sama, maka dapat memprediksi objek lain berdasarkan tetangga terdekatnya. Analisis Diskriminan Fisher merupakan salah satu teknik multivariat untuk memisahkan objek kedalam kelompok yeng berbeda sehingga dapat membentuk fungsi diskriminan dengan mengalokasikan objek baru ke dalam kelompok yang sudah ada. Penelitian ini bertujuan untuk mengetahui hasil klasifikasi status pembayaran premi pada metode K-NN dan Analisis Diskriminan Fisher serta membandingkan tingkat kesalahan klasifikasinya. Data yang digunakan adalah data nasabah asuransi PT. Prudential Life Samarinda Tahun 2022 dengan status pembayaran premi lancar atau tidak lancar dan digunakan 4 variabel bebas yaitu usia, lama pembayaran premi, pendapatan dan besar pembayaran premi. Hasil pada metode K-NN menunjukkan nilai terbaik pada nilai K (5,7 dan 9) sebesar 19,23%. Kemudian, hasil klasifikasi menggunakan nilai Apparent Error Rate (APER) pada metode analisis diskriminan Fisher sebesar 30,76%. Hasil perbandingan pengukuran klasifikasi dari kedua metode tersebut menunjukkan bahwa pada metode K-Nearest Neighbor (K-NN) memiliki tingkat kesalahan klasifikasinya lebih rendah dibandingkan dengan analisis diskriminan Fisher.