Penentuan performa akademik mahasiswa merupakan aspek penting dalam evaluasi pendidikan, terutama dalam mata kuliah Algoritma yang membutuhkan pemahaman logis dan analitis yang kuat. Penelitian ini menerapkan metode k-Nearest Neighbors (kNN) untuk mengklasifikasikan hasil belajar mahasiswa berdasarkan parameter akademik, seperti nilai tugas, nilai UTS, nilai UAS, jumlah latihan koding, dan tingkat kehadiran. Dataset yang digunakan terdiri dari 53 mahasiswa, dengan proses klasifikasi dilakukan melalui perhitungan Euclidean Distance untuk menentukan jarak antara data uji dan data latih. Hasil penelitian menunjukkan bahwa metode kNN dapat mengklasifikasikan mahasiswa dengan akurasi yang baik, di mana mahasiswa dengan tingkat latihan koding yang tinggi dan kehadiran yang konsisten cenderung memiliki performa akademik lebih baik. Dengan penerapan yang tepat, metode ini dapat digunakan sebagai alat bantu dalam analisis akademik serta membantu pendidik dalam mengidentifikasi mahasiswa yang membutuhkan bimbingan lebih lanjut.