Institusi pendidikan tinggi seperti PENS (Politeknik Elektronika Negeri Surabaya) menghadapi tantangan dalam mengelola data mahasiswa yang semakin kompleks. Data ini penting untuk pengambilan keputusan strategis dan mencakup berbagai informasi seperti prestasi akademis dan partisipasi ekstrakurikuler. Namun, ketidakakuratan dan anomali dalam data dapat mengganggu efektivitas operasional institusi. Penelitian ini bertujuan untuk mengembangkan metode deteksi anomali dalam data mahasiswa menggunakan kombinasi K-Means dan Local Outlier Factor (LOF). Metode ini dipilih karena kemampuannya dalam menangani kompleksitas data dan memberikan hasil analisis yang akurat. Implementasi teknik ini diharapkan dapat mendeteksi anomali secara otomatis, meningkatkan kualitas data, dan mendukung pengambilan keputusan yang lebih tepat. Selain itu, penelitian ini juga bertujuan untuk mengidentifikasi mahasiswa berprestasi dan kurang berprestasi, sehingga memungkinkan pengembangan yang lebih efektif. Hasil dari penelitian ini diharapkan dapat meningkatkan efisiensi manajemen data di PENS dan memberikan panduan bagi institusi pendidikan tinggi lainnya dalam pengelolaan data mahasiswa.