Tingkat kelulusan sangat penting dalam proses akreditasi untuk meningkatkan kualitas suatu perguruan tinggi. Pemetaan kelompok mahasiswa dapat dilakukan untuk memantau hasil belajar dengan melihat aktivitas kuliah mahasiswa. Hal ini penting dilakukan agar mahasiswa dapat menyelesaikan studi pendidikan dan lulus tepat waktu. Data Clustering merupakan salah satu metode Data Mining yang bersifat tanpa arahan (unsupervised). Ada dua jenis data clustering yang sering dipergunakan dalam proses pengelompokan data yaitu hierarchical (hirarki) data clustering dan non-hierarchical (non hirarki) data clustering. K-Means merupakan salah satu metode clustering/pengelompokan non hirarki. Teknik pengelompokkan datanya sederhana dan cepat. Pada penelitian ini dibangun sebuah sistem untuk mengelompokan mahasiswa berdasarkan aktivitas kuliah menggunakan metode K-Means yang bertujuan untuk memprediksi masa studi mahasiswa dengan mengelompokannya agar memudahkan program studi dalam mengawasi dan mengevaluasi perkembangan studi mahasiswa. Data yang dijadikan sampel berjumlah 20 data mahasiswa, adapun kriteria yang digunakan yaitu IPK, presensi, organisasi kampus, tanggungan biaya kuliah, pekerjaan dan status sebagai parameter atau alat ukur untuk memudahkan dalam mengelompokan mahasiswa. Dari hasil penelitian yang telah lakukan diperoleh 2 cluster yaitu cluster A dengan prediksi lulus tepat waktu yang terdiri dari 10 mahasiswa dan cluster B, lulus tidak tepat waktu yang berjumlah 10 mahasiswa.