Kerusakan akibat unbalance pada sistem rotor merupakan salah satu permasalahan kritis dalam mesin berputar karena dapat menurunkan performa dan mempercepat keausan komponen. Penelitian ini bertujuan untuk mendiagnosis fenomena unbalance pada rotor dengan mengombinasikan metode Distance Evaluation Technique (DET) sebagai teknik seleksi fitur dan K-Nearest Neighbor (KNN) sebagai algoritma klasifikasi berbasis sinyal getaran. Data diambil dari Run to Failure Test Rig dengan variasi kecepatan 500, 1000, 1500, dan 2000 RPM, serta tiga jenis unbalance: static, couple, dan dynamic. Analisis dilakukan pada domain waktu dan frekuensi untuk mengekstraksi fitur statistik seperti RMS, standard deviation, mean frequency, dan band power. DET digunakan untuk memilih fitur paling relevan berdasarkan tingkat efektivitas antar kelas. Hasil pengujian menunjukkan bahwa kombinasi DET-KNN mampu mengklasifikasikan kondisi unbalance dengan akurasi tertinggi sebesar 100% pada static unbalance di kecepatan 1500 RPM dan akurasi rata-rata sebesar 95.30% untuk static unbalance, 94.65% untuk couple unbalance, serta 95.38% untuk dynamic unbalance. Pendekatan ini terbukti efektif dan andal untuk diterapkan dalam sistem pemeliharaan prediktif guna meningkatkan keandalan serta efisiensi operasional mesin industri.