Berbagai serangan penyakit dan hama dapat menimbulkan masalah yang serius terhadap tanaman kedelai. Salah satu ancaman pengembangan tanaman kedelai bagi balai-balai penelitian dan pihak pengembang tanaman tersebut adalah gangguan hama. Serangan hama dapat menurunkan hasil kedelai hingga 80% bahkan lebih jika tidak ada pengendalian yang serius. Diperlukan klasifikasi untuk menentukan jenis penyakit yang menyerang tanaman kedelai. Penelitian ini menggunakan Soybean Disease Data Set yang terdiri dari 266 data latih dan akan dibangun aplikasi berbasis desktop dengan mengimplementasikan algoritma Modified K-Nearest Neighbor, parameter nilai K ditentukan oleh sistem dengan menggunakan metode Brute Force sehingga menemukan nilai K terbaik. Setiap nilai K dengan akurasi hasil terbaik akan disimpan dan digunakan sebagai parameter nilai K pada proses pengujian data baru. Nilai K pada metode ini mendefinisikan jumlah tetangga terdekat yang digunakan untuk proses klasifikasi. Hasil pengujian menunjukkan bahwa parameter nilai K sangat berpengaruh terhadap hasil klasifikasi dan akurasi yang dihasilkan. Rata-rata akurasi cenderung menurun seiring dengan penambahan nilai k sedangkan peningkatan jumlah data latih turut disertai dengan peningkatan hasil akurasi, untuk data latih dengan kelas tidak seimbang mengalami penurunan nilai akurasi seiring dengan bertambahnya jumlah data. Hasil akurasi tertinggi pada pengujian ini sebesar 100% dengan nilai k=1 dan rata-rata akurasi dari 5 percobaan sebesar 98,83%.