Pengetahuan baru mengenai pemetaan
karakteristik mahasiswa penerima KIP-K pada perguruan tinggi
dapat menggunakan penggalian data yaitu teknik clustering.
Pemetaan karakteristik ini dilakukan dari hasil pengelompokan
mahasiswa berdasarkan atribut akademik dan non-akademik
menggunakan algoritma K-Means++ yang dapat menurunkan
jumlah perulangan dalam proses pengelompokan datanya.
Dengan menggunakan metode Cross-Industry Standard Process for

Data Mining (CRIPS-DM) dan algoritma clustering yaitu k-
means++. Dari penelitian ini, dihasilkan model clustering dengan

nilai k=2 berdasarkan grafik metode elbow dengan nilai
silhouette coefficient terbesar yaitu 0.7523 dan davies
bouldine index (DBI) terkecil yaitu 0.49053. Dari hasil pemetaan
karakteristik mahasiswa penerima KIP-K ini, didapatkan
pengetahuan yang dapat menjadi bahan pengambilan keputusan
perguruan tinggi penyelenggaran dalam penyeleksian pendaftar
KIP-K sehingga meminimalisir masalah akademik mahasiswa
penerima KIP-K di kemudian hari.