Clustering mahasiswa program pascasarjana dilakukan untuk mengelompokkan mahassiwa ke dalam cluster tertentu yang memiliki kemiripan data menggunakan algoritma Fuzzy C-Means. Data yang diambil yaitu data umur dan ips (index prestasi mahasiswa). Metode validitas cluster dari hasil algoritma Fuzzy C-Means menggunakan DBI (Davies Bouldin Index) untuk mengukur seberapa bagus cluster yang dihasilkan oleh algoritma Fuzzy C-Means. Dari penelitian yang telah dibuat peneliti berikut hasil DBI cluster 2 adalah cluster yang menghasilkan nilai DBI terkecil yaitu 1,9570. Dan berdasarkan hasil dari identifikasi profil mahasiswa pada 2 cluster didapatkan bahwa cluster 1 memiliki data mahasiswa dengan rentang umur 21 sampai 45, nilai ips (index prestasi semester) 1 rentang 2,00 sampai 4,00 dan rata-rata jenis kelamin adalah perempuan. Sedangkan, cluster 2 memiliki data mahasiswa dengan rentang umur 24 sampai 45,  nilai ips (index prestasi semester) 1 rentang 1,70 sampai 3,80 dan rata-rata jenis kelamin adalah laki-laki.

Kusumadewi, S., & Purnomo, H. (2004). Aplikasi Logika Fuzzy. Yogyakarta: Graha Ilmu.

Rahakbauw, D.L., Ilwaru, V.Y.I., dan Harury, M.H. (2017). Implementasi Fuzzy C-Means Clustering Dalam Penentuan Beasiswa, Jurnal Ilmu Matematika dan Terapan, 11(1), 1-11.

Satriyanto, E. (2011). Clustering. Surabaya: Institut Teknologi Sepuluh Nopember.

Setiawan, R. (2021). Apa itu Data Mining dan Bagaimana Metodenya? [Online] Diakses pada https://www.dicoding.com/blog/apa-itu-data-mining/#:~:text=Berdasarkan%20uraian%20di%20atas%2C%20data,dan%20untuk%20eksplorasi%20atau%20exploratory.

Shofiani, N. (2017). Segmentasi Supplier Menggunakan Metode Kmeans Clustering (Studi Kasus: PTPN X PG Meritjan). Surabaya: Institut Teknologi Sepuluh Nopember.