Hutan sangat penting bagi kehidupan di muka bumi dan kehidupan generasi mendatang. Kesalahan dalam pengelolaan hutan berarti membahayakan kehidupan generasi kita mendatang. Salah satu hal yang merusak kelestarian hutan adalah penyakit layu (wilt disease) pada pepohonan. Wilt Disease atau penyakit layu adalah gejala alami dari penyakit tanaman yang diakibatkan kekurangan air pada daun dan batang. Penelitian ini membahas tentang penerapan metode algoritma Fuzzy K-Nearest Neighbor (FKNN) untuk diagnosa penyakit layu (Wilt Disease) pada hutan. Sistem ini dirancang dan dibangun berdasarkan Wilt Dataset yang diambil dari website UCI Machine Learning Repository yang diambil pada tahun 2014. Dalam penelitian ini dilakukan beberapa pengujian untuk mengetahui tingkat akurasi sistem. Pengujian dilakukan terhadap 6 jumlah data latih yang berbeda yaitu 60, 90, 150, 220, 300 dan 350 data dengan data uji sebanyak 30 dan 60 data. Pengujian dilakukan untuk mengetahui pengaruh jumlah data latih dan nilai k terhadap tingkat akurasi sistem. Dari pengujian didapatkan hasil penelitian bahwa tingkat akurasi sistem sebesar 76.67% saat menggunakan 60 data latih dengan 30 data uji dan nilai k = 4. Tingkat akurasi sistem sebesar 71.67% saat nilai k bernilai 5 dengan menggunakan 200 data latih dan 60 data uji.