Latar belakang ekonomi mahasiswa merupakan salah satu faktor yang berpengaruh dalam keberhasilan seorang mahasiswa dalam menyelesaikan kuliahnya. Pengelompokan mahasiswa berdasarkan latar belakang ekonomi dapat digunakan untuk identifikasi kemampuan ekonomi mahasiswa. Penelitian ini bertujuan untuk pengelompokan data latar belakang ekonomi mahasiswa berdasarkan atribut-atribut di dalamnya, seperti penghasilan per kapita, status kepemilikan rumah, penggunaan daya listrik, jumlah mobil, jumlah motor, biaya pulsa dan internet, serta jaminan biaya pendidikan menggunakan algoritma k-Modes untuk rekomendasi dalam penentuan Uang Kuliah Tunggal (UKT). K-Modes digunakan dalam clustering ini karena k-Modes dapat menangani data kategorik dengan baik. Dalam proses clustering dengan menggunakan k-Modes, metode Elbow digunakan untuk mencari jumlah cluster yang paling optimal. Dari proses clustering, data latar belakang mahasiswa dikelompokan menjadi 3 cluster. Cluster pertama memiliki karakteristik dengan latar belakang ekonomi relatif rendah, cluster kedua memiliki karakteristik latar belakang ekonomi sedang, dan cluster ketiga memiliki karakteristik latar belakang ekonomi tinggi. Hasil dari dari proses analisis cluster tersebut selanjutnya digunakan sebagai rekomendasi dalam penentuan UKT.