Pertambahan kepemilikan kendaraan bermotor berpengaruh terhadap pertambahan
jumlah pelanggaran lalu lintas sehingga menyebabkan menumpuknya data perkara
lalu lintas di Polres Tasikmalaya. Oleh sebab itu, perlu adanya pengelompokan untuk
memudahkan pihak kepolisian satuan lalu lintas dalam melakukan himbauan dengan
tepat demi mewujudkan ketertiban dan kenyamanan berkendara bagi keselamatan
pengguna jalan. Pada penelitian ini dilakukan pemanfaatan teknik data mining
clustering dengan algoritma k-means dan tool yang digunakan untuk pengolahan
data adalah aplikasi rapidminer. Dari 282 sample data pelanggaran lalu lintas
dibentuk 4 cluster yang telah di evaluasi menggunakan Davies Bouldin Index dengan
nilai 0,890 . Cluster 0 (pertama) terdiri 4 pasal dengan jumlah pelanggar 71
mendominasi pasal 293 (2) dan 291 (2), cluster 1 (kedua) terdiri 3 pasal dengan
jumlah pelanggar 95 mendominasi pasal 281, cluster 2 (ketiga) terdiri 6 pasal dengan
jumlah pelanggar 59 mendominasi pasal 289 dan cluster 3(keempat) terdiri dari 5
pasal dengan jumlah pelanggar 57 mendominasi pasal 280. Hasil penelitian ini juga
memberikan fakta bahwa metode k-means mampu mengelompokan objek dengan
tingkat kemiripan yang tinggi.