Mahasiswa merupakan salah satu pilar penting dalam siklus hidup suatu perguruan tinggi. Dalam proses berkembangnya, suatu perguruan tinggi dapat dipengaruhi oleh berapa banyak jumlah lulusan strata-1 (S1) dari perguruan tinggi tersebut. Jumlah kelulusan suatu perguruan tinggi terkadang memiliki rasio yang rendah jika dibandingkan dengan jumlah mahasiswa yang diterima pada tahun ajaran yang sama. Tingkat kelulusan mahasiswa yang rendah ini dapat diakibatkan oleh beberapa faktor, seperti banyaknya kegiatan kemahasiswaan yang diikuti, faktor ekonomi, dan beberapa faktor tidak terduga lainnya. Hal ini membuat suatu perguruan tinggi harus memiliki suatu skema atau suatu rumus yang dapat memprediksi apakah mahasiswa tersebut dapat lulus tepat waktu. Normalnya, seorang mahasiswa strata-1 (S1) menempuh pendidikan selama 8 semester. Tetapi dengan adanya beberapa faktor yang telah disebutkan dapat membuat waktu menempuh pendidikan S1 menjadi lebih banyak, atau bahkan gagal lulus. Penelitian ini akan mencoba untuk membandingkan hasil Analisa dua metode dalam algoritma klasifikasi untuk memprediksi kelulusan mahasiswa. Algoritma yang digunakan ialah Algoritma K-Nearest Neighbour dan Naïve Bayes. Penelitian ini juga bertujuan mengidentifikasi algoritma terbaik di antara dua pilihan algoritma klasifikasi tersebut. Penelitian ini menghasilkan kesimpulan bahwa algoritma Naïve Bayes memiliki tingkat akurasi yang sama dengan algoritma KNN dalam memprediksi kelulusan mahasiswa program studi Pendidikan Kedokteran yaitu sebesar 90 %.