Text mining merupakan teknik dari data mining yang dapat digunakan untuk menemukan suatu informasi di dalam sejumlah besar data yang berupa teks dalam sebuah dokumen. Algoritma K-Means memiliki beberapa kelebihan, yaitu mudah digunakan, mudah dimengerti, dan mudah diimplementasikan. Algoritma KMeans bekerja dengan baik dengan banyak variabel yang dapat diakomodasi karena efisien secara komputasi. Tujuan penelitian ini adalah menentukan banyaknya k untuk kelompok optimal dari pengelompokan judul dokumen skripsi dan hasil pengelompokan yang terbentuk. Pada penelitian ini menggunakan algoritma Nazief dan Adriani pada tahap stemming, Cosine Similarity untuk menghitung jarak judul dokumen, dan Davies-Bouldin Index untuk evaluasi hasil pengelompokan. Sampel pada penelitian ini adalah judul dokumen skripsi mahasiswa Program Studi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Mulawarman tahun 2020-2022 sebanyak 134 judul dokumen. Berdasarkan hasil analisis, kelompok optimal untuk pengelompokan judul dokumen skripsi adalah lima cluster dengan nilai Davies-Bouldin Index 3,08163. Hasil pengelompokan yang terbentuk adalah lima cluster dengan anggota cluster ke-1 sebanyak 86 judul dokumen, anggota cluster ke-2 sebanyak 15 judul dokumen, anggota cluster ke-3 sebanyak 6 judul dokumen, anggota cluster ke-4 sebanyak 11 judul dokumen, dan anggota kelompok cluster ke-5 sebanyak 16 judul dokumen