Sistem penerimaan mahasiswa baru yang menggunakan pengelompokan data algoritma K-Means merupakan pola clustering yang paling sederhana dibandingkan dengan algoritma lainnya. Algoritma ini merupakan salah satu data mining. K-Means mengelompokkannya ke dalam beberapa cluster yang memiliki persamaan dan memisahkan setiap cluster berdasarkan perbedaan tiap clusternya.Penelitian algoritma K-Means Clustering bertujuan untuk meminimalkan fungsi-fungsi yang ditetapkan pada saat proses Clustering.Implementasi K-Means Algoritma clustering ke dalam sistem informasi clustering memberikan hasil klasifikasi pengelompokan data yang efektif dan proses setiap rotasi literasi jarak Centroid, penentuan titik Cluster yang terbentuk, data siswa sebagai objek referensi lebih menghemat waktu pada clustering yang unggul kelas. Penerapan sistem informasi clustering berbasis web ini menghasilkan informasi yang lebih fleksibel yang dapat diakses setiap saat oleh pengguna yang diberikan hak akses untuk memanfaatkan data tersebut. Penerapan Algoritma K-Means Clustering untuk mendapatkan hasil klarifikasi Kelas Unggul membutuhkan implementasi sistem informasi untuk membentuk 3 cluster untuk setiap kelas yaitu M1, M2 dan M3. M1 sebagai nilai tinggi dengan nilai kriteria 85 sampai 100, M2 sebagai nilai sedang dengan nilai kriteria 75 sampai 80 dan M3 sebagai nilai rendah dengan nilai kriteria 10 sampai 70.