Diagnosis kerusakan multi-fault pada motor brushless direct current menggunakan sinyal arus dengan mensimulasikan delapan kondisi motor brushless direct current yang berbeda: motor normal, kerusakan bantalan, kerusakan stator, kerusakan rotor, kerusakan bantalan-stator, kerusakan bantalan-rotor, kerusakan rotor-stator, kerusakan bantalan-rotor-stator. Sinyal arus diperoleh menggunakan current probe dengan frekuensi sampling sbesar 20.000 Hz. Sepuluh fitur dari domain waktu diekstraksi dari sinyal berdasarkan kemampuannya dalam membedakan kondisi motor, menggunakan berbagai fitur dari domain waktu dipilih untuk mendapatkan nilai akurasi yang tinggi untuk diagnosis kerusakan menggunakan model KNN. Hasilnya menunjukkan kinerja tinggi model KNN dalam mengklasifikasikan beberapa kerusakan pada motor brushless direct current dengan kecepatan 450 rpm, mencapai akurasi 100% untuk data training dan testing menggunakan total 4 fitur dan 100% untuk data training dan testing menggunakan total 6 fitur untuk motor brushless direct current kecepatan 550 rpm. Model ini menunjukkan potensi yang signifikan sebagai model untuk mendiagnosis kerusakan pada motor brushless direct current.