Fakultas ilmu terapan memiliki data hasil belajar mahasiswa yang terus bertambah. Data tersebut dapat digunakan untuk melakukan pengelompokan mahasiswa. Pengelompokan potensi mahasiswa digunakan untuk mengetahui kelompok-kelompok mahasiswa berdasarkan cluster mahasiswa baik, mahasiswa sedang, dan mahasiswa kurang. Algoritma yang digunakan untuk pengelompokan data mahasiswa tersebut menggunakan clustering k-means. Clustering K-Means mengelompokkan data ke dalam cluster sehingga setiap cluster akan berisi data semirip mungkin dan berbeda dengan cluster lainnya. Aplikasi dapat meng-upload data mahasiswa baru yang akan dikelompokkan kemudian akan diproses menggunakan extract transform loading. Setelah data sudah di-upload di dalam database aplikasi, maka selanjutnya data akan dikelompokkan dengan algoritma clustering k-means menggunakan bahasa pemrograman pl/sql. Hasil akhir aplikasi ini berupa data mahasiswa yang termasuk dalam cluster mahasiswa baik, sedang, dan kurang serta grafik perubahan cluster.
Kata Kunci: Potensi Mahasiswa, Clustering K-Means, Extract Transform Loading