Proses monitoring dan evaluasi kepemimpinan siswa SMA dipandang perlu karena tingkat kepemimpinan siswa merupakan salah satu prasyarat siswa SMA menghadapi tantangan nyata di masa depan. Penambangan data dapat digunakan untuk mengklasifikasikan tingkat kepemimpinan di antara siswa sekolah menengah. Tujuan dari penelitian yang dilakukan pada kasus ini adalah untuk mengaplikasikan data mining dengan menggunakan model K-NN, Decision Trees, dan Naive Bayes. Penelitian ini berlokasi di dua SMA negeri yang berbeda yaitu SMA A sebagai data latih dan SMA B sebagai data uji. Data ini diperoleh pada tahun yang sama, yaitu Tahun 2022. Data yang diperoleh dianalisis dengan bantuan aplikasi Rapidminer menggunakan K-NN, Decision Tree, Naive Bayes. Data siswa yang diolah adalah Data Pokok Pendidikan (DAPODIK) dalam format excel. Sebelum dianalisis, teks terlebih dahulu diproses yaitu tokenization, case folding, stop words dan detailing. Tujuan utama dari langkah-langkah di atas juga merupakan tujuan utama dari penelitian ini untuk mendapatkan algoritma yang paling akurat untuk mengklasifikasikan tingkat kepemimpinan siswa dan mengetahui hasilnya untuk perbandingan. Kesimpulan dari penelitian ini adalah pada saat mengukur kinerja dari ketiga algoritma tersebut, hasil pengujian menggunakan validasi matriks konfusi. Algoritma K-NN ditemukan memiliki skor akurasi tertinggi dibandingkan dengan Decision Tree dan Naive Bayes. Nilai akurasi metode K-NN dengan menggunakan dataset siswa SMA sebesar 95,86%, nilai akurasi algoritma Decision Tree sebesar 94,65%, dan nilai akurasi algoritma Naïve Bayes sebesar 79,55%.