<![CDATA[Abstract: Law firms are institutions that rely heavily on legal documents as sources of information and as a basis for decision-making. Over time, the number of stored legal documents, such as contracts, powers of attorney, court decisions, and laws and regulations, increases in number and variety. This often makes it difficult to quickly and accurately find relevant documents, especially if document management is not systematically structured. Manual document searches are not only time-consuming but also prone to human error, such as errors in categorization or indexing. The data used in this study are legal documents in text form, such as court decisions, contracts, laws and regulations, and other similar documents in digital format (.txt, .docx, or .pdf files that have been converted to text). The purpose of this study is to implement the K-Means algorithm to cluster legal documents based on their content. More relevant and faster search results with clustering, such as cluster 0 documents on criminal law, corruption, and restorative justice; cluster 1 documents on personal data protection, electronic information technology (ITE), and online gender-based violence; and cluster 2 documents on civil and administrative law, such as employment agreements, consumer protection, and customary land. The system, integrated with clustering results, shows improved performance compared to conventional search systems that rely solely on keyword searches.Keywords: Implementation, K-Means Algorithm, Clustering, Legal Documents. WebAbstrak: Kantor hukum merupakan institusi yang sangat bergantung pada dokumen hukum sebagai sumber informasi dan dasar pengambilan keputusan. Seiring berjalannya waktu, jumlah dokumen hukum yang tersimpan seperti kontrak, surat kuasa, putusan pengadilan, dan peraturan perundang-undangan semakin banyak dan beragam. Kondisi ini sering kali menimbulkan kesulitan dalam pencarian dokumen yang relevan secara cepat dan tepat, terutama jika pengelolaan dokumen tersebut belum terstruktur secara sistematis. Pencarian dokumen secara manual tidak hanya memakan waktu, tetapi juga rentan terhadap kesalahan manusia, seperti kekeliruan dalam pengkategorian atau pengindeksan. Data yang digunakan dalam penelitian ini ialah dokumen hukum berbentuk teks, seperti putusan pengadilan, kontrak, peraturan perundang-undangan, dan dokumen sejenis lainnya dalam format digital (.txt, .docx, atau .pdf yang sudah diubah menjadi teks). Tujuan dalam penelitian ini mengimplementasikan algoritma K-Means untuk melakukan clustering terhadap dokumen hukum berdasarkan isi dokumen. Hasil pencarian yang lebih relevan dan cepat dengan pembagian cluster seperti cluster 0 dokumen Dokumen bertema hukum pidana, korupsi, dan keadilan restorative, cluster 1 Dokumen bertema perlindungan data pribadi, ITE, dan kekerasan berbasis gender online dan cluster 2 Dokumen bertema hukum perdata dan administrasi, seperti perjanjian kerja, konsumen, dan tanah adat. Sistem yang telah diintegrasikan dengan hasil clustering menunjukkan peningkatan performa dibandingkan sistem pencarian konvensional yang hanya mengandalkan pencarian kata kunci.Kata Kunci: Implementasi, Algoritma K-Means, Clustering, Dokumen Hukum. Web]]>
