<![CDATA[Data set merupakan data yang masih perlu diolah menjadi sebuah informasi dengan menggunakan metode data mining salah satunya yaitu metode K-Means. Namun metode ini masih mempunyai kelemahan pada saat pengambilan centroid awal masih dilakukan secara acak, sehingga perlu dilakukan optimalisasi dengan algoritma Pillar. Dataset yang digunakan berasal dari KAAGLE yang mengambil representasi tingkat stress seseorang dengan menggunakan delapan atribut dan lima class. Datset tersebut akan diolah dengan tahapan pre processing, perhitungan algoritma Pillar, dan perhitungan metode k-means. berdasarkan tahapan tersebut, maka penelitian ini akan menghasilkan nilai centroid yang optimal yaitu saat jarak euclidience distance maksimal setiap centroid harus kurang dari sama dengan nilai batas lingkungan (nbdis) dan lebih dari sama dengan nilai maksimal (nmin) sehingga diperoleh centroid awal optimal dengan algoritma Pillar pada id 336, 228, 35, 29, 506. Berdasarkan hasil penelitian menunjukkan bahwa algoritma pillar mampu meningkatkan pengelompokan dengan evaluasi Davies Bouldin Index (DBI) sebesar 0,00000473 dan mempercepat iterasi yang semula hasil diperoleh pada iterasi ke-23 menjadi iterasi ke-17 hasil pengklusteran sudah ditemukan.]]>
