Instruktur merupakan aspek utama yang ada dalam pelaksanaan diklat. Jumlah instruktur yang makin banyak dan kebutuhan akan diklat juga semakin bertambah tiap tahunnya, belum terdapat suatu sistem yang dapat membantu proses penetapan dengan cepat dan tepat. Di perlukan sebuah metode yang dapat mengelompokkan data instruktur sesuai dengan judul materi diklat dan dapat ditetapkan instruktur tiap materi diklat, serta tidak mengabaikan aspekaspek penilaian instruktur. Dalam penelitian ini, Teknik data mining digunakan untuk membantu merekomendasikan instruktur tiap judul materi diklat berdasarkan pendekatan kelompok data kluster. Sehingga selanjutnya dapat digunakan dalam menentukan penetapan instruktur per materi diklat dimasa yang akan datang. Metode clustering K-Means digunakan untuk
mengelompokkan data kedalam kluster dengan melihat nilai centroid yang sudah ditentukan. Dan metode Topsis digunakan untuk menetapkan satu nama instruktur melalui perangkingan nilai hasil preferensi. Pada penelitian ini metode CRISP-DM digunakan sebagai metode rekayasa perangkat lunaknya, pengerjaan sistem dilakukan secara berurutan atau secara linier. Pada proses pengujian telah dihasilkan jika data manual dan data hasil olah aplikasi system adalah sama. Aplikasi ini diharapkan dapat mempermudah Supervisor dan staff Pengembangan Pembelajaran dalam menetapkan instruktur per materi diklat.

Instructor is the main aspect that exists in the implementation of the training. The increasing number of instructors and the need for training is also increasing every year there is no system that can help the process of determining quickly and precisely. In need of a method that can classify the instructor data in accordance with the title of training materials and can be assigned instructor each of the training materials and do not ignore aspects of assessment of the instructor. In this study data mining techniques are used to help recommend instructors for each subject matter of the training based on the cluster data group approach. So it can be used in determining the instructor's assignment per training materials in the future. K-Means clustering method is used to group data into clusters by looking at the centroid value that has been determined. And the Topsis method is used to assign one instructor's name through the rankings of preference values. In this research CRISP-DM method is used as software
engineering method system work done in sequence or linearly. In the testing process has been generated if the manual data and data processing if the application system is the same. This application is expected to facilitate the Supervisor and Learning Development staff in setting instructors per training materials.