Abstract
Dalam sebuah instansi perguruan tinggi penggalian data mahasiswa untuk mencari informasi terkait keberhasilan mahasiswa saat penting dilakukan guna mendapatkan suatu bahan pertimbangan dalam penentuan untuk meningkatkan mutu mahasiswa. Untuk menangani permasalahan data yang banyak diperlukan sebuah proses pemetaan mahasiswa sehingga mempermudah pencarian informasi tersebut. Pemetaan mahasiswa adalah suatu usaha untuk mengelompokkan atau memetakan mahasiswa berdasarkan atribut-atribut tertentu sehingga didapatkan suatu gambaran mahasiswa yang tergolong baik, cukup dan kurang. Proses pemetaan ini dapat dilakukan dengan menggunakan metode clustering yaitu K-Harmonic Means. K-Harmonic Means (KHM) merupakan metode pengembangan dari K-Means yang digunakan untuk mengatasi permasalahan K-Means dalam menentukan titik pusat cluster. Tujuan metode KHM adalah untuk meminimalisasi rata-rata harmonik dari seluruh titik data ke seluruh pusat cluster yang ada. Dalam penelitian ini metode KHM digunakan untuk memetakan data mahasiswa sebanyak 110 data dengan menggunakan 6 atribut yaitu : IP1, IP2, IP3, IP4, prestasi mahasiswa, dan aktivitas mahasiswa. Dari hasil pengujian yang dilakukan didapatkan hasil pemetaan terbaik mampu mencapai nilai kualitas cluster yang dihitung dengan menggunakan Silhouette coefficient sebesar 0.42344 (71,17%).
