Perangkat elektronik seringkali mengasilkan pancaran radiasi emi yang tidak diinginkan sehingga menimbulkan kerusakan pada alat yang terkena radiasi tersebut. Berbagai metode mitigasi EMI telah dikembangkan. Teknik prediksi EMI memiliki keuntungan diantaranya efisiens waktu dan biaya. Dalam radiasi emisi yang ditimbulkan oleh LED Driver diprediksi menggunakan metode machine learning agar dapat mengetahui seberapa akurat level daya radiated emmision yang diprediksi pada algoritma K-NN (k-nearest neighbor). Prediksi radiated emission yang dihasilkan oleh LED Driver menggunakan machine learning dengan algoritma K-NN denngan k=1. Berdasarkan data yang telah didapat dari pengukuran dan prediksi EMI radiated emission menggunakan K-NN, dilakukan analisis dan membandingkan hasilnya. Dari hasil prediksi akurasi EMI menggunakan K-NN antara hasil pengukuran EMI dan prediksi K-NN didapat hasil akurasi radiated emission yang dihasilkan dari memberikan gangguan dari sinyal kotak dan gangguan dari sinyal segitiga sebesar 92,408% dengan error 7,592% dan gangguan dari sinyal sinus sebesar 87,213% dengan error 12,787%. Selain itu nilai cohen’s kappa yang dihasilkan dari prediksi machine leraning pada gangguan dari sinyal kotak dan sinyal segitiga 0,918 sedangkan gangguan dari sinyal sinus 0,863. Hasil dari prediksi K-NN ini bahwa machine leraning menggunakan algoritma K-NN ini dapat memprediksi radiated emission dengan baik dan mempermudah dalam menentukan akurasi. Kata kunci : Radiated Emmision modeling prediction, Machine Learning, LED Driver.