Penelitian ini bertujuan untuk menganalisis pengaruh penggunaan N-gram terhadap klasifikasi Tugas Akhir mahasiswa di Fakultas Teknik Universitas Muhammadiyah Jember. Dalam penelitian ini, metode ekstraksi dan seleksi fitur menggunakan N-gram diimplementasikan bersama dengan algoritma K-Nearest Neighbors (KNN) untuk meningkatkan akurasi klasifikasi. Data yang digunakan terdiri dari teks abstrak Tugas Akhir yang diolah menjadi representasi fitur menggunakan teknik N-gram. Proses seleksi fitur dilakukan untuk memilih fitur-fitur yang paling signifikan dalam menentukan tingkat akurasi Tugas Akhir. Hasil penelitian menunjukkan bahwa penggunaan N-gram sebagai teknik ekstraksi fitur mampu meningkatkan kinerja klasifikasi secara signifikan. Evaluasi performa model dilakukan dengan menggunakan metrik akurasi, presisi, dan recall. Hasil penelitian menunjukkan bahwa dengan penambahan N-gram dan seleksi fitur kemudian diklasifikasikan dengan KNN, nilai akurasi mencapai 90%, presisi 93%, dan recall 90%. Sedangkan jika hanya menggunakan pembobotan TF-IDF vectorizer dan diklasifikasikan dengan KNN, nilai akurasi, presisi, dan recall masing-masing mencapai 100%. Ini menunjukkan bahwa meskipun N-gram dapat meningkatkan kinerja klasifikasi, dalam penelitian ini, TF-IDF vectorizer dengan KNN memberikan performa terbaik.