Data Mining adalah sebuah penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Salah satu fungsi dari data mining adalah fungsi klasifikasi. Fuzzy K-Nearest Neighbor adalah sebuah metode yang menggabungkan teori fuzzy dengan metode K-Nearest Neighbor. Pada metode ini secara tegas akan memprediksi kelas yang diikuti oleh data uji berdasarkan perbandingan K tetangga terdekat dan didasari pada nilai keanggotaan sebagai fungsi nilai pola jarak terbesar. Persentase kelulusan tepat waktu merupakan salah satu indikator dalam penentuan akreditasi program studi di sebuah perguruan tinggi. Pada kenyataannya, masih banyak mahasiswa yang tidak dapat menyelesaikan pendidikannya dengan tepat waktu. Oleh karena itu, perlu dilakukan penyesuaian dalam masa studi mahasiswa agar dapat meningkatkan penilaian dalam proses akreditasi. Salah satu cara yang dapat dilakukan ialah dengan mengelompokkan kelulusan mahasiswa menjadi kelompok mahasiswa yang lulus tepat waktu dan mahasiswa yang lulus tidak tepat waktu. Pengelompokan tersebut dapat dilakukan dengan teknik klasifikasi yang mana pada penelitian ini digunakan metode Fuzzy K-Nearest Neighbor. Penelitian ini menggunakan data profil mahasiswa FMIPA UNMUL yang lulus pada tahun 2019, 2020 dan 2021. Hasil penelitian menunjukkan nilai K optimal dengan menggunakan 10-fold Cross Validation pada saat K = 11 karena didapatkan nilai akurasi terbesar yaitu 0,8835. Akurasi sebesar 0,8835 menunjukkan bahwa sebesar 88,35% model yang digunakan akurat untuk melakukan prediksi.