Informasi saat ini sangatlah mudah didapatkan karena sumber yang menyediakan informasi banyak tersebar di internet. Sumber informasi juga dapat di peroleh dari dokumen digital yang banyak pula tersebar di internet. Informasi yang berasal dari internet akan beraneka ragam dan akan lebih sulit untuk mencari informasi yang berkaitan dengan topik-topik tertentu dalam kumpulan dokumen. Di dalam Data Mining, terdapat solusi untuk pemecahan masalah tersebut salah satunya dengan menggunakan teknik clustering. Text Clustering dapat digunakan untuk mengelompokkan data text kedalam cluster-cluster-nya masing-masing. Teknik clustering yang digunakan adalah K-Medoids, dimana akan digunakan algoritma K-Means-Like untuk meng-clusterkan data.
Pada Tugas Akhir ini hasil cluster akan di evaluasi berdasarkan parameter yang mempengaruhi yaitu nilai k, waktu eksekusi, jumlah iterasi, dan F-Measure. Nilai F-Measure tertinggi yang didapat adalah antara 0.61-0.75 untuk nilai k = 4, waktu eksekusi antara 2-145 detik, dan jumlah iterasi antara 2-4 untuk tiga varian data yang diuji. K-Medoids, K-Means-Like, Supervised Cluster Evaluation, F-Measure