Pajak Bumi dan Bangunan (PBB) serta Bea Perolehan Hak atas Tanah dan Bangunan (BPHTB) berperan penting dalam meningkatkan pendapat dan pembangunan daerah. Pan-P2 diperoleh dari Nilai Jual Objek Pajak (NJOP), sedangkan BPHTB dari Nilai Perolehan Objek Pajak (NPOP). Akan tetapi, peta ZNT sampai saat ini belum sepenuhnya dimplementasikan sebagai sumber informasi nilai tanah dalam penetapan NJOP dan NPOP Hal ini disebabkan informasi nilai tanah pada peta ZNT belum akurat karena Nelum menggambarkan kondisi nilai pasar yang senyatanya di lapangan. Penerapan Machine Leaming (ML) perlu dioptimalkan dalam penilaian tanah. Untuk itu, penelitian ini berupaya merancang aplikasi penilaian tanah massal berdasarkan K-Nearest Neighbor (KNN) regression berbasis WebGIS dan membandingkan kelogisan nilai tanah terestimasi berdasarkan algoritma tersebut terhadap harga tanah transaksi yang ada. Penelitian ini memperoleh hasil bahwa KNN regressor bekerja dengan memprediksi nilai berdasarkan rata-rata dari tetangga terdekat dari suatu titik data. Aplikasi WebGIS akan menampilkan peta interaktif dengan berbagai lapisan informasi, dashboard analitis, dan Seur pencarian didukung oleh database backend. Sedangkan nilai kelogisan atau akurasi nila tanah terestimasi bahwa akurasi terbaik dari pemanfaatan KNN regressor dalam penilaian tanah dengan metode KNN linier regressor k value 4 dengan R 1020.62 dan avarage error atau dengan kesalahan sebesar 26.20%.