Aksen bahasa merupakan salah satu ciri khas dalam komunikasi yang membedakan cara pengucapan antara satu daerah dengan daerah lainnya. Penelitian mengenai aksen bahasa penting dilakukan untuk melihat perbedaan dialek sekaligus mendukung pengembangan teknologi pengenalan suara. Penelitian ini bertujuan untuk menguji tingkat akurasi klasifikasi aksen bahasa menggunakan algoritma K-Nearest Neighbor (KNN) dengan ekstraksi ciri suara melalui metode Mel-Frequency Cepstral Coefficients (MFCC). Data yang digunakan berupa 300 rekaman suara dari dua daerah di Aceh, terdiri atas dua kalimat dengan durasi masing-masing 4 detik dan 2 detik, serta menggunakan sampling rate 44.100 Hz. Proses MFCC dilakukan melalui tahapan pre-emphasis, frame blocking, windowing, FFT, filter bank, DCT, dan cepstral liftering untuk menghasilkan representasi numerik dari sinyal suara. Data hasil ekstraksi kemudian diklasifikasikan dengan KNN pada beberapa variasi nilai k. Hasil pengujian menunjukkan akurasi terbaik pada nilai k=1sebesar 53%, sedangkan pada k= sebesar 50%, k=5 sebesar 43%, dan k=7 sebesar 35%.