<![CDATA[Evaluasi kinerja dosen merupakan salah satu aspek penting dalam meningkatkan kualitas pendidikan di perguruan tinggi. Salah satu cara untuk melakukan evaluasi ini adalah dengan menganalisis tingkat kepuasan mahasiswa terhadap proses pendidikan dan pengajaran yang diberikan oleh dosen. Dalam penelitian ini, digunakan metode K-Means Clustering untuk mengelompokkan data kepuasan mahasiswa yang dikumpulkan melalui Penjamin Mutu, dengan jumlah data sebanyak 543.652. Pengolahan data dalam jumlah besar memerlukan metode yang tepat agar hasil analisis lebih akurat dan dapat diinterpretasikan dengan baik. Oleh karena itu, penelitian ini mengembangkan model clustering berbasis K-Means serta mengimplementasikannya dalam sistem berbasis website. Proses K-Means Clustering dimulai dengan menentukan nilai centroid secara acak, kemudian iterasi dilakukan hingga tidak ada perubahan nilai centroid antara satu iterasi dengan iterasi berikutnya. Pengujian dilakukan menggunakan Google Colab dengan evaluasi menggunakan Davies-Bouldin Index (DBI). Hasil penelitian menunjukkan bahwa metode K-Means berhasil mengelompokkan dosen ke dalam empat cluster, yaitu: (1) Cluster 4 (Kategori Unggul) dengan 83 dosen (42%), (2) Cluster 3 (Kategori Baik) dengan 63 dosen (31%), (3) Cluster 2 (Kategori Cukup) dengan 45 dosen (23%), dan (4) Cluster 1 (Kategori Kurang) dengan 8 dosen (4%). Nilai DBI sebesar 0,260 menunjukkan bahwa hasil clustering memiliki tingkat akurasi yang baik. Dengan adanya pengelompokan ini, evaluasi kinerja dosen dapat dilakukan secara lebih efektif, sehingga institusi dapat mengambil langkah strategis dalam meningkatkan kualitas pengajaran dan kepuasan mahasiswa.]]>
