<![CDATA[Prediksi kelulusan mahasiswa dapat membantu perguruan tinggi dalam meningkatkan mutu dan efisiensi penyelenggaraan pendidikan. Penelitian ini bertujuan untuk membangun model klasifikasi kelulusan mahasiswa dengan bantuan metode K-Nearest Neighbor yang diterapkan melalui perangkat lunak RapidMiner. Data yang digunakan mencakup berbagai atribut akademik dan administratif mahasiswa, dan telah melalui tahap prapemrosesan seperti normalisasi dan penetapan label. Hasil menunjukkan bahwa algoritma K-NN mampu mencapai akurasi sebesar 95,88%, terutama fokus pada klasifikasi mahasiswa dengan kelulusan sesuai waktu yang ditentukan, hal ini membuktikan bahwa algoritma K-NN mampu digunakan sebagai perangkat yang berperan signifikan dalam proses evaluasi dan pengambilan keputusan akademik Kata Kunci: Klasifikasi, K-NN, RapidMiner, Kelulusan Mahasiswa, Data Mining Student graduation prediction can help universities improve the quality and efficiency of education delivery. This study aims to build a classification model using the K-Nearest Neighbor (K-NN) method implemented through RapidMiner software. The dataset consists of various academic and administrative attributes of students and has been processed through several stages, including normalization and labeling. The results show that the K-NN algorithm achieves an accuracy of 95.88%, particularly in classifying students who graduate within the specified time, indicating that this algorithm can serve as a reliable tool to support evaluation processes and academic decision-making Keywords: Classification, K-NN, RapidMiner, Student Graduation, Data Mining]]>
