Proses penerimaan mahasiswa baru menjadi aspek krusial dalam menjaring calon mahasiswa yang unggul. Universitas Haji Sumatera Utara (Unhaj) sebagai institusi pendidikan tinggi menghadapi tantangan dalam meningkatkan efisiensi dan efektivitas proses penerimaan mahasiswa, khususnya dalam hal prediksi jumlah pendaftar dan pengelompokan calon mahasiswa. Penelitian ini bertujuan untuk mengoptimalkan proses penerimaan mahasiswa baru di Unhaj dengan menerapkan algoritma Exponential Smoothing untuk prediksi jumlah pendaftar dan algoritma K-Means(Sulistiyawati & Supriyanto, 2021) untuk segmentasi calon mahasiswa berdasarkan karakteristik tertentu. Metode Exponential Smoothing dipilih karena kemampuannya dalam mengenali pola tren historis data, sedangkan K-Means efektif untuk mengelompokkan data secara otomatis berdasarkan kemiripan karakteristik. Penelitian ini menggunakan data sekunder yang diperoleh dari pihak universitas, dengan pendekatan kuantitatif berbasis analisis data mining. Hasil dari penelitian ini diharapkan dapat memberikan informasi prediktif yang akurat mengenai jumlah pendaftar di masa mendatang serta segmentasi calon mahasiswa yang lebih terstruktur. Kombinasi kedua algoritma ini diharapkan mampu memberikan rekomendasi strategis berbasis data untuk mendukung pengambilan keputusan oleh pihak universitas. Secara teoritis, penelitian ini memberikan kontribusi dalam pengembangan ilmu data mining pada bidang pendidikan tinggi. Secara praktis, penelitian ini diharapkan dapat meningkatkan efisiensi alokasi sumber daya, efektivitas strategi pemasaran, dan kualitas penerimaan mahasiswa baru di Universitas Haji Sumatera Utara.