Proses clustering data seringkali digunakan untuk mengelompokkan data ke dalam beberapa cluster. Pada penelitian ini akan membahas penerapan algoritma K-Means Clustering pada pengelompokkan nilai akademik mahasiswa menjadi beberapa cluster. Data yang digunakan merupakan data nilai mata kuliah mahasiswa yang mencakup nilai tugas, Ujian Tengah Semester, dan Ujian Akhir Semester angkatan 2017/2018 Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Lambung Mangkurat. Sebelum memulai proses clustering tentukan terlebih dahulu nilai centroid setiap cluster. Hasil yang diperoleh dari perhitungan tersebut selanjutnya dimasukkan ke masing-masing cluster dengan melihat nilai minimum dari setiap jarak data ke centroid. Pada penentuan nilai centroid yang diambil secara acak akan terjadi perhitungan beberapa iterasi yang akan berhenti jika posisi centroid nya tidak mengalami perubahan dengan iterasi sebelumnya. Dengan jumlah anggota cluster 1 atau dengan predikat Baik sebanyak 13, cluster 2 atau dengan predikat Cukup sebanyak 13, dan cluster 3 sebanyak 4 atau dengan predikat Kurang dari total anggota cluster sebanyak 30. Sedangkan jika menggunakan metode elbow, akan diketahui jumlah centroid optimalnya, sehingga tidak perlu melakukan perhitungan dengan beberapa iterasi. Pada cluster 1 atau dengan predikat Cukup terdapat 21 mahasiswa, cluster 2 atau dengan predikat Baik terdapat 14 mahasiswa, cluster 3 atau dengan predikat Sangat Kurang terdapat 2 mahasiswa, cluster 4 atau dengan predikat Sangat Baik terdapat 18 mahasiswa, dan cluster 5 atau dengan predikat Kurang terdapat 2 mahasiswa.