Data mining merupakan teknik pengolahan data dalam jumlah besar untuk
pengelompokan. Teknik data mining mempunyai beberapa metode dalam
mengelompokkan salah satu Teknik yang dipakai pada penulis saat ini adalah
K-Means. Dalam hal ini penulis mengelompokan data kehadiran menurut jam kerja
pegawai di Fakultas Teknik Sipil dan Lingkungan (FTSL) Institut Teknologi
Bandung (ITB). Untuk mengetahui manakah pegawai yang teladan dan berpotensi
PHK. Penulis menerapkan algoritma K-Means Clustering untuk pengelompokan
data kehadiran pegawai. Dalam hal ini, pada umumnya untuk menghitungan jam
kerja pegawai hanya ditentukan oleh data dari sistem informasi kehadiran pegawai.
Namun dalam penelitian ini pengelompokan disesuaikan dengan kriteria data
kehadiran seperti jam kerja pegawai dan kekurangan jam kerja pegawai. Penulis
menggunakan dua kriteria tersebut agar pengelompokan yang dihasilkan menjadi
lebih optimal. Tujuan dari pengelompokan ini adalah terbentuknya kelompok jam
kerja pegawai yang menggunakan algoritma K-Means Clustering. Hasil dari
pengelompokan tersebut diperoleh tiga kelompok yaitu kelompok dengan jam kerja
tertinggi, sedang, dan rendah. Terdapat pusat cluster dengan cluster 1 = 165.462,
cluster 2 = 114.265, dan cluster 3 = 13.99. Pusat cluster tersebut didapat dari iterasi,
sehingga menghasilkan pusat cluster yang optimal