Saat ini sistem kendaran sudah  dikontrol menggunakan elektronik ECU (Engine Control Unit) .Kerusakan ECU akan mempengaruhi kinerja mesin, maka dibutuhkan sistem yang dapat menangani permasalahan dalam medeteksi secara akurat cepat dalam mengambil keputusan. Dalam clustering  data, terdapat beberapa algoritma  yang dapat digunakan, seperti, Algoritma K-Means dan Algoritma A Priori adalah algoritma dengan tingkat akurasi yang tinggi dan terbaik di antara ketiga algoritma ini dengan cara melakukan perbandingan menggunakan Rapidminer. Perbandingan algoritma bertujuan untuk mendapatkan hasil dan prediksi dari penelitian yang telah dilakukan. Pengembangan Sistem Analisis dengan K-Mains dan Data Clustering ini menjadi solusi untuk membantu menganalisis data-data dalam proses menganalisa optimasi kinerja ECU terhadap kinerja mesin kendaraan meliputi pengambilan data, mengolah data, medeteksi kelemahan dalam Perubahan data digital agar dengan cepat dapat mengoptimalkan kinerja ECU dalam pengelompokan data menggunakan K-means clustering. Dari Hasil penelitian Clustering K-Means didapat C1(781-784), C2(896-927), C3(1223-1321), C4(1460-1587), dan C5(1689-2716) Engine RPM dan A-Priori Suport AUB rata- rata 20% , Suport A rata-rata 80% dan nilai Confidence Rata-Rata 80%. Berdasarkan  Pada remapping variasi 3 derajat pengapian maju menghasilkan Daya mesin dan torsi mesi stabil pada putaran rendah 1000 rpm ke putaran tinggi 2176 rpm  dengan remapping sesuai dengan kondisi mesin pada saat pengujian.