Ginjal merupakan organ yang memiliki peran besar dalam pengaturan kebutuhan cairan dan elektrolit. Hal ini terlihat pada fungsi ginjal, yakni sebagai pengatur air, pengatur konsentrasi garam dalam darah. Kerusakan pada ginjal berpotensi menyebabkan fungsi ginjal menurun, bahkan kematian. Salah satu penyakit pada ginjal adalah gagal ginjal kronis (Chronic Kidney Disease). Gagal ginjal kronis sulit dikenali, diperlukan beberapa rumusan tertentu dan tidak cukup dengan pemeriksaan medis. Penelitian ini membahas tentang penerapan metode algoritma Fuzzy k-Nearest Neighbor  (Fk-NN) untuk diagnosis penyakit gagal ginjal kronis. Sistem ini dirancang dan dibangun berdasarkan  Indians Chronic Kidney Disease (CKD) yang diambil dari website UCI Machine Learning Repository yang diambil pada tahun 2015. Dalam penelitian ini dilakukan beberapa pengujian untuk mengetahui tingkat akurasi sistem. Pengujian dilakukan terhadap 5 jumlah data latih yang berbeda yaitu 25, 50, 75, 100 dan 125 data dengan data uji sebanyak 30 data. Pengujian dilakukan untuk mengetahui pengaruh jumlah data latih dan nilai k terhadap akurasi sistem. Dari penelitian didapatkan hasil penelitian bahwa semakin besar jumlah data latih yang digunakan semakin tinggi akurasi yang dihasilkan dan nilai k terbaik adalah nilai k yang memiliki nilai paling kecil yaitu 3. Akurasi sistem mencapai 100% ketika menggunakan k=3 dengan data latih sebesar 100 dan 125 data