Perkembangan teknologi kecerdasan buatan (Artificial Intelligence) telah membuka
peluang besar dalam pengembangan sistem deteksi berbasis data. Penelitian ini
bertujuan untuk merancang dan mengimplementasikan sistem deteksi objek
menggunakan algoritma K-Nearest Neighbour (KNN) untuk meningkatkan
akurasi identifikasi dalam data radar. Data yang digunakan berasal dari simulasi
maupun sensor lapangan yang dikumpulkan untuk mengidentifikasi keberadaan
dan jenis objek tertentu. Metode KNN dipilih karena kemudahannya dalam
implementasi dan efisiensinya dalam proses klasifikasi, terutama pada skenario
dengan keterbatasan komputasi. Data dianalisis dan diproses menggunakan bahasa
pemrograman Python, dan model KNN digunakan untuk mengklasifikasikan
objek berdasarkan fitur jarak dan sinyal pantulan. Hasil pengujian menunjukkan
bahwa sistem mampu mengklasifikasikan objek dengan tingkat akurasi yang
memadai untuk aplikasi lapangan berskala kecil hingga menengah. Penelitian ini
menunjukkan bahwa algoritma KNN dapat menjadi solusi praktis dan ekonomis
dalam pengembangan sistem deteksi cerdas berbasis radar, khususnya untuk aplikasi pada perangkat berspesifikasi terbatas.