Saat ini industri membuat berbagai jenis barang yang memiliki bahan dasar kaca, diantaranya kaca mobil float , jendela bangunan non float, lampu, Toples, dan Peralatan Makan. Kaca-kaca tersebut memiliki bahan produksi yang sama, yang membedakan antara satu dan lainya adalah komposisi bahan produksinya. Algoritma K-Nearest Neighbor (KNN)) yang merupakan salah satu metode klasifikasi pada data mining dan juga menjadi algoritma supervised learning pada machine learning adalah sebuah metode untuk melakukan klasifikasi terhadap objek berdasarkan data pembelajaran yang jaraknya paling dekat dengan objek tersebut. Penelitian ini mencakup pengukuran performa (akurasi, presisi, recall dan f-measure) metode KNN dengan berbagai macam nilai K pada objek 1000 data produksi jenis kaca yang diperoleh dari pusat dataset. dapat disimpulkan bahwa dengan menguji nilai K=3 hingga K=9 maka diperoleh nilai performa paling baik pada K=3, dimana tingkat akurasi mencapai 64%, presisi 63%, recall 71%, dan F-Measure sebesar 67%.