Kebakaran hutan dan lahan merupakan bencana yang sering terjadi di Indonesia. Pada tahun 2007, 2012 dan 2015 kebakaran hutan yang terjadi di wilayah Sumatera dan Kalimantan menarik perhatian global karena telah membawa polusi kabut asap ke negara tetangga. Salah satu daerah yang memiliki titik api paling tinggi yaitu di Provinsi Kalimantan Barat. Kebakaran hutan dan lahan memiliki dampak bagi kesehatan terutama pada masyarakat sekitar tempat kejadian, serta bagi ekonomi dan sosial. Hal ini harus dapat ditanggulangi, salah satunya dengan mengetahui lokasi daerah terjadinya kebakaran serta dapat menganalisis penyebab dari terjadinya kebakaran hutan dan lahan.
Dengan adanya dampak yang ditimbulkan dari kebakaran hutan dan lahan maka tujuan pada penelitian ini yaitu menerapkan metode clustering menggunakan algoritma k-means untuk dapat menentukan daerah rawan titik api di Provinsi Kalimantan Barat. Serta mengevaluasi hasil cluster yang telah diperoleh dari metode clustering menggunakan algoritma k-means. Data mining merupakan metode yang cocok untuk dapat mengetahui informasi daerah rawan titik api. Metode data mining yang digunakan yaitu clustering karena metode ini dapat mengolah data titik panas menjadi informasi yang dapat memberitahukan daerah-daerah rawan terhadap titik api. Pengklusteran ini menggunakan algoritma k-means yaitu mengelompokkan data berdasarkan karakteristik yang mirip.
Data titik panas yang didapatkan dikelompokkan menjadi 3 cluster dengan hasil yang didapatkan untuk cluster 0 sebanyak 284 titik api yang termasuk daerah rawan, 215 titik api yang termasuk daerah tidak rawan dan 129 titik yang termasuk ke daerah sangat rawan. Kemudian hasil pengklasteran di evaluasi menggunakan metode davies bouldin index (DBI) dengan nilai 3,112 yang menandakan bahwa hasil pengklasteran sebanyak 3 cluster belum optimal.
Kata Kunci : Clustering, Titik Api, K-Means