Kegiatan Penerimaan Mahasiswa Baru di tingkat perguruan tinggi setiap tahunnya merupakan suatu kegiatan yang wajib dilaksanakan untuk membuka awal tahun ajaran baru, salah satunya yakni di kampus Universitas Islam Negeri Sunan Ampel Surabaya (UINSA). Namun permasalahannya yakni, tidak semua mahasiswa dapat lulus secara tepat waktu sesuai dengan waktu tempuh kurikulum yang telah disusun, hal ini akan berpengaruh pada akreditasi perguruan tinggi. Untuk meminimalisir hal tersebut maka, pada penelitian ini akan diusulkan model prediksi dengan teknik data mining dan machine learning guna membantu memperbaiki konsep registrasi pada mahasiswa baru. Yakni dengan membuat model prediksi menggunakan metode FCM-KNN, konsep metode ini adalah pada tahap pengelompokkan dan pemberian label data digunakan FCM kemudian pada tahap penentuan jarak antar data digunakan KNN dengan hal tersebut maka jarak antara k-tetangga terdekat cukup dicari pada lingkup anggota kelompok data dalam satu cluster dan tidak perlu dibandingkan oleh data keseluruhan. Pada penelitian ini menggunakan data registrasi mahasiswa UINSA, kemudian pengujian skor akan digunakan confusion matrix dan k-fold cross validation. Hasil dari algoritma FCM-KNN didapatkan bahwa model prediksi dengan pengujian 10-fold cross validation dengan skenario k=1 mempunyai rata rata akurasi sebesar 71% kesimpulannya dengan seiring bertambahnya nilai K (tetangga terdekat) maka akan mempengaruhi nilai akurasi.