Informasi yang ada disekitar kita semakin meningkat jumlahnya. Tools manajemen data sangat dibutuhkan untuk mengolah informasi tersebut. Data mining adalah salah satunya. Salah satu teknik yang dikenal dalam data mining adalah clustering. Algoritma kmeans merupakan algoritma clustering yang popular, karena prosesnya yang sederhana sehingga sering digunakan untuk pengolahan data dalam ukuran yang besar. Namun metode kmeans membutuhkan waktu komputasi yang lama dan hasil akurasi clustering sangat bergantung pada penentuan initial centroid. Upaya untuk mengatasi masalah penentuan initial centroid agar tidak dipilih secara acak adalah algoritma baru pemilihan initial centroid Fang Yuan. Sedangkan upaya untuk mengatasi permasalahan proses komputasi yang lama adalah menggunakan algoritma enhanced kmeans, yang digunakan pada setiap proses iterasi. Dari gabungan kedua algoritma tersebut didapatkan hasil yang jauh lebih baik dibanding kmeans standar. Diantaranya hasil akurasi yang tinggi yakni sebesar 76,03%, waktu komputasi yang cepat yakni sebesar 24ms dan silhouette coefficient sebagai value dari tingkat validasi sebesar 0,361.