Penelitian ini bertujuan meningkatkan efisiensi pengelolaan piutang iuran di BPJS Ketenagakerjaan KCP Karanganyar, mengatasi masalah piutang tidak tertagih yang berdampak pada layanan jaminan sosial. Fokus penelitian adalah penerapan data mining dengan metode K-means clustering untuk mengoptimalkan penagihan dan merumuskan rekomendasi.Landasan teori mencakup konsep data mining, khususnya K-means clustering untuk identifikasi pola, serta definisi dan klasifikasi piutang iuran BPJS Ketenagakerjaan. Metode penelitian kuantitatif digunakan, dengan pengumpulan data observasi dan sekunder dari database internal BPJS Ketenagakerjaan KCP Karanganyar (Jan-Des 2024). Analisis data dilakukan menggunakan analisis deskriptif kuantitatif dan algoritma K-means clustering melalui Orange Data Mining, melibatkan pre-processing, pemilihan atribut (jumlah dan umur piutang), serta evaluasi menggunakan silhouette plot dan visualisasi scatter plot. Hasil penelitian menunjukkan K-means clustering berhasil mengelompokkan piutang iuran ke dalam empat cluster berdasarkan jumlah dan umur: piutang kecil-menengah bervariasi (C1), menengah-tua (C2), besar-muda (C3), dan sangat besar-sangat muda (C4). Berdasarkan pengelompokan ini, strategi penagihan disesuaikan untuk setiap cluster, dari otomatisasi hingga pendekatan proaktif intensif. Kesimpulannya, penerapan data mining dengan K-means clustering secara signifikan meningkatkan efisiensi penagihan, mengurangi risiko gagal bayar, dan memperkuat hubungan dengan pemberi kerja, mendukung keberlanjutan program jaminan sosial.