Mechanomyography (MMG) merupakan sinyal untuk mendeteksi kontraksi di otot. MMG mendeteksi sinyal berdasarkan prinsip mekanik dengan dua metoda, yaitu vibrasi dan deformasi otot namun dataset MMG ini sulit sekali di temukan di internet oleh karena itu pada penelitian ini akan menjawab permasalahan di atas dengan di buatnya sebuah alat yang dapat membaca sinyal MMG pada otot tangan juga membuat standarisasi dataset MMG untuk otot tangan. Selain itu pada dataset otot tersebut akan di terapkan klasifikasi menggunakan KNN ( K-Nearest Neighbor ) untuk mendapatkan akurasi. Hasil yang di dapatkan menunjukan bahwa dengan metode Euclidian Distance dengan k = 5 adalah metode pengukuran jarak terbaik pada KNN dengan akurasi sebesar 98.36%.