Perkembangan perguruan tinggi di Indonesia merupakan suatu kemajuan yang patut disyukuri, tidak hanya dalam hal kuantitas tetapi juga kualitas. Dengan memandang pendidikan sebagai sarana transformasi masyarakat, institusi-institusi pendidikan tinggi memiliki tanggung jawab untuk mengatasi berbagai permasalahan internal dan eksternal yang dihadapi. Secara internal, perguruan tinggi perlu menangani permasalahan akademis mulai dari proses penerimaan mahasiswa hingga kualitas lulusan. Dalam menghadapi kompleksitas permasalahan ini, diperlukan penelitian yang lama dan intensif untuk menemukan solusi yang efektif. Pada penelitian ini digunakan metode data mining yang diharapkan dapat menjadi metode yang efektif dalam menangani sejumlah permasalahan tersebut. Jenis pembelajaran data mining yang digunakan adalah unsupervised learning yang bertujuan untuk menemukan struktur atau hubungan yang ada dalam sekumpulan data. Metode yang digunakan adalah Clustering atau juga bisa disebut segmentasi, melakukan pengelompokan data menurut kesamaannya atau kedekatannya dan bukan berdasarkan kelas data tertentu seperti pada metode klasifiksi. Model clustering yang digunakan adalah algoritma K-means++ merupakan sebuah pengembangan dari algoritma K-means yang memfokuskan pada tahap inisialisasi centroid. Penelitian ini menggunakan Elbow Method untuk menemukan cluster yang optimal dan diperoleh 3 dan 4 cluster sebagai cluster yang optimal. Terdapat 3 pembahasan utama dalam penelitian ini, yaitu penghasilan, usaha, dan lanjut studi. semakin singkat lama studi alumni, maka penghasilan semakin besar dan kecenderungan melanjutkan studi semakin tinggi. Alumni yang berwirausaha memiliki penghasilan terbesar. Sedangkan waktu mendapatkan pekerjaan tidak memiliki kecenderungan yang signifikan terhadap penghasilan
KATA KUNCI : Alumni;Clustering;Data Mining;K-means++