Dilihat dari banyaknya informasi yang terkandung dalam Al-Qur’an, akan sulit untuk menggali informasi tersebut dengan cara manual, terlebih untuk orang yang ingin memahami lebih dalam terkait isi Al-Qur’an. Oleh karena itu, dibutuhkan satu cara untuk menemukan informasi terkait topik tertentu yang telah diklasifikasi dalam Al-Qur’an, terlebih dalam satu ayat Al-Qur’an bisa jadi memiliki lebih dari satu topik bahasan(multilabel). Dalam penelitian ini diteliti bagaimana membangun classifier untuk menyelesaikan masalah klasifikasi multilabel pada topik ayat Al-Qur’an dengan metode k-Nearest Neighbor. Hasil pengujian dengan mencari nilai k paling optimal, mendapatkan hasil k=25 dengan nilai rata-rata hamming loss=0.134875. Dalam penelitian ini juga dilakukan perbandingan antara ekstraksi fitur Weighted TF-IDF dan TF-IDF.Hasil yang didapatkan dari perbandingan tersebut bahwa Weighted TF-IDF lebih baik dibanding TF-IDF. Untuk pengujian pengaruh stopword removal dan lemmatization dengan nilai k optimal, pada kasus tanpa stopword removal hasil yang didapat adalah 0.136375, sedangkan tanpa lemmatization performa yang didapat adalah 0.13537. Untuk kasus pengujian tanpa kedua proses tersebut didapatkan hasil nilai rata-rata hamming loss sebesar 0.1373125.
Kata kunci: Al-Qur’an, klasifikasi, multilabel, KNN, hamming loss