Tujuan penelitian ini adalah untuk mengetahui sejauh mana implementasi MBKM sudah dipahami oleh staff Pendidikan, dosen dan mahasiswa ditingkat Universitas, sehingga penelitian ini akan mengelompokan data hasil survei MBKM menggunakan machine learning. Machine learning adalah bagian dari kecerdasan buatan yang banyak digunakan untuk memecahkan berbagai masalah. Untuk mengelompokan data digunakan model algoritma K-Mean dan K-Medoids clustering untuk rekomendasi impelementasi MBKM di Universitas Bhayangkara Jakarta Raya. Penelitian ini bertujuan untuk mengelompokan data survei MBKM tingkat program studi terkait dari basis data dan teknik machine learning. Penelitian ini akan melatih machine atau sistem dengan data yang difilter yang dapat memprediksi hasil survei MBKM dikembangkan menggunakan machine learning, ini berfungsi untuk menganalisis mesin yang sesuai algoritma pembelajaran, algoritma yang akan digunakan adalah algoritma K-Mean dan K-Medoids clustering. Hasil penelitian yang didapatkan adalah hasil implementasi MBKM menjadi dua cluster, dimana K-Mean menghasilkan cluster 1 tingkat pemahaman MBKM tinggi dan cluster 2 tingkat pemahaman rendah. Sedangkan K-Medoids menghasilkan cluster 1 tahapan pemahaman Implementasi MBKM rendah dan cluster 2 pemahaman MBKM tinggi. Hasil perbandingan evaluasi klusterisasi antara K-Mean dan K-Medoids didapatkan nilai evaluasi cluster menggunakan Davies Bouldin Index dengan melakukan uji coba dari mulai K=2, K=3, K=4 dan K=5 menunjukan nilai K-Mean lebih rendah dibandingkan dengan K-Medoids, sehingga K-Mean direkomendasikan sebagai algoritma klustering untuk mengelompokan hasil implementasi survei MBKM di Perguruan Tinggi.