<![CDATA[Peningkatan kualitas layanan perpustakaan memerlukan pemahaman mendalam terhadap pola minat baca pengunjung yang akurat dan berbasis data, mengingat hasil analisis tersebut menjadi dasar penting dalam penyusunan program literasi dan pengambilan keputusan pengelola. Kompleksitas data kunjungan serta keragaman karakteristik pengunjung merupakan tantangan utama yang membatasi kemampuan pendekatan evaluasi konvensional dalam mengidentifikasi pola minat baca secara mendalam. Penelitian ini bertujuan menerapkan algoritma K-Means Clustering untuk pengelompokan minat baca pengunjung Dinas Kearsipan dan Perpustakaan Daerah Kapuas. Metode penelitian menggunakan pendekatan Knowledge Discovery in Database (KDD) hingga tahap evaluasi, dengan penerapan rekayasa fitur berupa Aktifitas_Index, normalisasi menggunakan RobustScaler, serta penentuan klaster optimal menggunakan metode Elbow, Silhouette Score, Davies-Bouldin Index, dan Calinski-Harabasz Score. Evaluasi kestabilan klaster dilakukan menggunakan Bootstrap Stability Test sebanyak 30 iterasi. Hasil penelitian menunjukkan bahwa K=5 merupakan jumlah klaster optimal dengan Silhouette Score sebesar 0,6106 (target >0,50 tercapai), Davies-Bouldin Index sebesar 0,5077 (target <1,0 tercapai), dan Inertia sebesar 146,37. Uji Bootstrap Stability menghasilkan Silhouette Score rata-rata 0,6147 ±0,0097, membuktikan konsistensi klaster. Lima klaster terbentuk: Minat Baca Sangat Rendah (758 pengunjung, 53,0%), Minat Baca Rendah (410 pengunjung, 28,7%), Minat Baca Sedang (173 pengunjung, 12,1%), Minat Baca Tinggi (66 pengunjung, 4,6%), dan Minat Baca Sangat Tinggi (23 pengunjung, 1,6%). Kelompok yang dihasilkan berpotensi mendukung perencanaan layanan perpustakaan secara objektif dan tepat sasaran.]]>
