ABSTRAKBeberapa tahun terakhir, data semakin heterogen dan kompleks dengan volume yang meningkat cepat hingga diperkirakan akan mencapai 44 zettabyte di tahun 2020 (turner 2014). Hal ini sering disebut dengan Big data. Era Big data menghasilkan data yang menumpuk sehingga perlu dilakukan pengolahan untuk mencari knowladge dari tumpukan data tersebut menggunakan data mining. Penelitian ini merupakan penelitian lanjutan dari penelitian sebelumnya yang berjudul “ Implementasi data Mining untuk Rekomendasi Penentuan Mahasiswa Penerima Beasiswa menggunakan Metode Naive Bayes Studi Kasus Universitas Kuninganâ€.Pada penelitian ini mencoba membandingkan dua agoritma untuk mengetahui algortima mana yang paling cocok digunakan untuk rekomendasi penentuan mahasiswa penerima beasiswa pada universitas kuningan menggunakan algoritma K-Nearest Neighbor dan algoritma Naive Bayes. Metode ini di pilih karena kedua algoritma merupakan algoritma yang populer digunakan dalam proses pengklasifikasian data Hasil analisis data di implementasikan menjadi sebuah sistem informasi menggunakan visual basic.net dan sql server yang dapat digunakan oleh bagian akademik sebagai rekomendasi dalam proses seleksi penerimaan beasiswa.Keyword : sistem informasi, data mining, beasiswa, naive bayes classifier, K-Nearest Neighbor, visual basic.net, sql server  ABSTRACTIn recent years, data has become increasingly heterogeneous and complex with volumes increasing rapidly until it is estimated to reach 44 zettabytes by 2020 (turner 2014). This is often referred to as Big Data. The era of Big Data generates data that is piling up, so it needs to be processed to find knowladge from the data stack using data mining. This research is a continuation of previous research entitled "Implementation of Mining Data for Recommendations for Determining Scholarship Recipients using the Naive Bayes Method of Case Study at Kuningan University". In this study, trying to compare two agorithms to find out which algorithm is the most suitable for the recommendation of determining scholarship recipients at a brass university using the K-Nearest Neighbor algorithm and the Naive Bayes algorithm. This method was chosen because both algorithms are popular algorithms used in the process of classifying data.The results of data analysis are implemented into an information system using visual basic.net and SQL Server that can be used by the academic department as a recommendation in the selection process for scholarship acceptance. Keywords: Information systems, data mining, scholarships, naive bayes classifier, K-Nearest Neighbor, visual basic.net, sql server